commit 4586df8665718e66a4b741342a67e9cbbc073f7c
Author: ModelHub XC <noreply@modelhub.org.cn>
Date:   Thu May 28 09:56:16 2026 +0800

    初始化项目，由ModelHub XC社区提供模型
    
    Model: airesearch/wav2vec2-large-xlsr-53-th
    Source: Original Platform

diff --git a/.gitattributes b/.gitattributes
new file mode 100644
index 0000000..cefbc13
--- /dev/null
+++ b/.gitattributes
@@ -0,0 +1,17 @@
+*.bin.* filter=lfs diff=lfs merge=lfs -text
+*.lfs.* filter=lfs diff=lfs merge=lfs -text
+*.bin filter=lfs diff=lfs merge=lfs -text
+*.h5 filter=lfs diff=lfs merge=lfs -text
+*.tflite filter=lfs diff=lfs merge=lfs -text
+*.tar.gz filter=lfs diff=lfs merge=lfs -text
+*.ot filter=lfs diff=lfs merge=lfs -text
+*.onnx filter=lfs diff=lfs merge=lfs -text
+*.arrow filter=lfs diff=lfs merge=lfs -text
+*.ftz filter=lfs diff=lfs merge=lfs -text
+*.joblib filter=lfs diff=lfs merge=lfs -text
+*.model filter=lfs diff=lfs merge=lfs -text
+*.msgpack filter=lfs diff=lfs merge=lfs -text
+*.pb filter=lfs diff=lfs merge=lfs -text
+*.pt filter=lfs diff=lfs merge=lfs -text
+*.pth filter=lfs diff=lfs merge=lfs -text
+*tfevents* filter=lfs diff=lfs merge=lfs -text
diff --git a/README.md b/README.md
new file mode 100644
index 0000000..25c4bb6
--- /dev/null
+++ b/README.md
@@ -0,0 +1,199 @@
+---
+language: th
+datasets:
+- common_voice
+tags:
+- audio
+- automatic-speech-recognition
+- hf-asr-leaderboard
+- robust-speech-event
+- speech
+- xlsr-fine-tuning
+license: cc-by-sa-4.0
+model-index:
+- name: XLS-R-53 - Thai
+  results:
+  - task:
+      name: Automatic Speech Recognition
+      type: automatic-speech-recognition
+    dataset:
+      name: Common Voice 7
+      type: mozilla-foundation/common_voice_7_0
+      args: th
+    metrics:
+    - name: Test WER
+      type: wer
+      value: 0.9524
+    - name: Test SER
+      type: ser
+      value: 1.2346
+    - name: Test CER
+      type: cer
+      value: 0.1623
+  - task:
+      name: Automatic Speech Recognition
+      type: automatic-speech-recognition
+    dataset:
+      name: Robust Speech Event - Dev Data
+      type: speech-recognition-community-v2/dev_data
+      args: sv
+    metrics:
+    - name: Test WER
+      type: wer
+      value: null
+    - name: Test SER
+      type: ser
+      value: null
+    - name: Test CER
+      type: cer
+      value: null
+---
+
+# `wav2vec2-large-xlsr-53-th`
+Finetuning `wav2vec2-large-xlsr-53` on Thai [Common Voice 7.0](https://commonvoice.mozilla.org/en/datasets)
+
+[Read more on our blog](https://medium.com/airesearch-in-th/airesearch-in-th-3c1019a99cd)
+
+We finetune [wav2vec2-large-xlsr-53](https://huggingface.co/facebook/wav2vec2-large-xlsr-53) based on [Fine-tuning Wav2Vec2 for English ASR](https://colab.research.google.com/github/patrickvonplaten/notebooks/blob/master/Fine_tuning_Wav2Vec2_for_English_ASR.ipynb) using Thai examples of [Common Voice Corpus 7.0](https://commonvoice.mozilla.org/en/datasets). The notebooks and scripts can be found in [vistec-ai/wav2vec2-large-xlsr-53-th](https://github.com/vistec-ai/wav2vec2-large-xlsr-53-th). The pretrained model and processor can be found at [airesearch/wav2vec2-large-xlsr-53-th](https://huggingface.co/airesearch/wav2vec2-large-xlsr-53-th).
+
+## `robust-speech-event`
+
+Add `syllable_tokenize`, `word_tokenize` ([PyThaiNLP](https://github.com/PyThaiNLP/pythainlp)) and [deepcut](https://github.com/rkcosmos/deepcut) tokenizers to `eval.py` from [robust-speech-event](https://github.com/huggingface/transformers/tree/master/examples/research_projects/robust-speech-event#evaluation)
+
+```
+> python eval.py --model_id ./ --dataset mozilla-foundation/common_voice_7_0 --config th --split test --log_outputs --thai_tokenizer newmm/syllable/deepcut/cer
+```
+
+### Eval results on Common Voice 7 "test":
+
+|                                 | WER PyThaiNLP 2.3.1 | WER deepcut | SER     | CER     |
+|---------------------------------|---------------------|-------------|---------|---------|
+| Only Tokenization               | 0.9524%             | 2.5316%     | 1.2346% | 0.1623% |
+| Cleaning rules and Tokenization | TBD                 | TBD         | TBD     | TBD     |
+
+
+## Usage
+
+```
+#load pretrained processor and model
+processor = Wav2Vec2Processor.from_pretrained("airesearch/wav2vec2-large-xlsr-53-th")
+model = Wav2Vec2ForCTC.from_pretrained("airesearch/wav2vec2-large-xlsr-53-th")
+
+#function to resample to 16_000
+def speech_file_to_array_fn(batch, 
+                            text_col="sentence", 
+                            fname_col="path",
+                            resampling_to=16000):
+    speech_array, sampling_rate = torchaudio.load(batch[fname_col])
+    resampler=torchaudio.transforms.Resample(sampling_rate, resampling_to)
+    batch["speech"] = resampler(speech_array)[0].numpy()
+    batch["sampling_rate"] = resampling_to
+    batch["target_text"] = batch[text_col]
+    return batch
+
+#get 2 examples as sample input
+test_dataset = test_dataset.map(speech_file_to_array_fn)
+inputs = processor(test_dataset["speech"][:2], sampling_rate=16_000, return_tensors="pt", padding=True)
+
+#infer
+with torch.no_grad():
+    logits = model(inputs.input_values,).logits
+
+predicted_ids = torch.argmax(logits, dim=-1)
+
+print("Prediction:", processor.batch_decode(predicted_ids))
+print("Reference:", test_dataset["sentence"][:2])
+
+>> Prediction: ['และ เขา ก็ สัมผัส ดีบุก', 'คุณ สามารถ รับทราบ เมื่อ ข้อความ นี้ ถูก อ่าน แล้ว']
+>> Reference: ['และเขาก็สัมผัสดีบุก', 'คุณสามารถรับทราบเมื่อข้อความนี้ถูกอ่านแล้ว']
+```
+
+## Datasets
+
+Common Voice Corpus 7.0](https://commonvoice.mozilla.org/en/datasets) contains 133 validated hours of Thai (255 total hours) at 5GB. We pre-tokenize with `pythainlp.tokenize.word_tokenize`. We preprocess the dataset using cleaning rules described in `notebooks/cv-preprocess.ipynb` by [@tann9949](https://github.com/tann9949). We then deduplicate and split as described in [ekapolc/Thai_commonvoice_split](https://github.com/ekapolc/Thai_commonvoice_split) in order to 1) avoid data leakage due to random splits after cleaning in [Common Voice Corpus 7.0](https://commonvoice.mozilla.org/en/datasets) and 2) preserve the majority of the data for the training set. The dataset loading script is `scripts/th_common_voice_70.py`. You can use this scripts together with `train_cleand.tsv`, `validation_cleaned.tsv` and `test_cleaned.tsv` to have the same splits as we do. The resulting dataset is as follows:
+
+```
+DatasetDict({
+    train: Dataset({
+        features: ['path', 'sentence'],
+        num_rows: 86586
+    })
+    test: Dataset({
+        features: ['path', 'sentence'],
+        num_rows: 2502
+    })
+    validation: Dataset({
+        features: ['path', 'sentence'],
+        num_rows: 3027
+    })
+})
+```
+
+## Training
+
+We fintuned using the following configuration on a single V100 GPU and chose the checkpoint with the lowest validation loss. The finetuning script is `scripts/wav2vec2_finetune.py`
+
+```
+# create model
+model = Wav2Vec2ForCTC.from_pretrained(
+    "facebook/wav2vec2-large-xlsr-53",
+    attention_dropout=0.1,
+    hidden_dropout=0.1,
+    feat_proj_dropout=0.0,
+    mask_time_prob=0.05,
+    layerdrop=0.1,
+    gradient_checkpointing=True,
+    ctc_loss_reduction="mean",
+    pad_token_id=processor.tokenizer.pad_token_id,
+    vocab_size=len(processor.tokenizer)
+)
+model.freeze_feature_extractor()
+training_args = TrainingArguments(
+    output_dir="../data/wav2vec2-large-xlsr-53-thai",
+    group_by_length=True,
+    per_device_train_batch_size=32,
+    gradient_accumulation_steps=1,
+    per_device_eval_batch_size=16,
+    metric_for_best_model='wer',
+    evaluation_strategy="steps",
+    eval_steps=1000,
+    logging_strategy="steps",
+    logging_steps=1000,
+    save_strategy="steps",
+    save_steps=1000,
+    num_train_epochs=100,
+    fp16=True,
+    learning_rate=1e-4,
+    warmup_steps=1000,
+    save_total_limit=3,
+    report_to="tensorboard"
+)
+```
+
+## Evaluation
+
+We benchmark on the test set using WER with words tokenized by [PyThaiNLP](https://github.com/PyThaiNLP/pythainlp) 2.3.1 and [deepcut](https://github.com/rkcosmos/deepcut), and CER. We also measure performance when spell correction using [TNC](http://www.arts.chula.ac.th/ling/tnc/) ngrams is applied. Evaluation codes can be found in `notebooks/wav2vec2_finetuning_tutorial.ipynb`. Benchmark is performed on `test-unique` split.
+
+|                                | WER PyThaiNLP 2.3.1 | WER deepcut    | CER            |
+|--------------------------------|---------------------|----------------|----------------|
+| [Kaldi from scratch](https://github.com/vistec-AI/commonvoice-th)         | 23.04              |                | 7.57         |
+| Ours without spell correction  | 13.634024          | **8.152052** | **2.813019** |
+| Ours with spell correction     | 17.996397          | 14.167975     | 5.225761     |
+| Google Web Speech API※         | 13.711234          | 10.860058     | 7.357340     |
+| Microsoft Bing Speech API※     | **12.578819**      | 9.620991     | 5.016620     |
+| Amazon Transcribe※             | 21.86334           | 14.487553     | 7.077562     |
+| NECTEC AI for Thai Partii API※ | 20.105887          | 15.515631     | 9.551027     |
+
+※ APIs are not finetuned with Common Voice 7.0 data
+
+## LICENSE
+
+[cc-by-sa 4.0](https://github.com/vistec-AI/wav2vec2-large-xlsr-53-th/blob/main/LICENSE)
+
+## Ackowledgements
+* model training and validation notebooks/scripts [@cstorm125](https://github.com/cstorm125/)
+* dataset cleaning scripts [@tann9949](https://github.com/tann9949)
+* dataset splits [@ekapolc](https://github.com/ekapolc/) and [@14mss](https://github.com/14mss)
+* running the training [@mrpeerat](https://github.com/mrpeerat)
+* spell correction [@wannaphong](https://github.com/wannaphong)
+
diff --git a/config.json b/config.json
new file mode 100644
index 0000000..e49f699
--- /dev/null
+++ b/config.json
@@ -0,0 +1,85 @@
+{
+  "_name_or_path": "facebook/wav2vec2-large-xlsr-53",
+  "activation_dropout": 0.0,
+  "apply_spec_augment": true,
+  "architectures": [
+    "Wav2Vec2ForCTC"
+  ],
+  "attention_dropout": 0.1,
+  "bos_token_id": 1,
+  "codevector_dim": 768,
+  "contrastive_logits_temperature": 0.1,
+  "conv_bias": true,
+  "conv_dim": [
+    512,
+    512,
+    512,
+    512,
+    512,
+    512,
+    512
+  ],
+  "conv_kernel": [
+    10,
+    3,
+    3,
+    3,
+    3,
+    2,
+    2
+  ],
+  "conv_stride": [
+    5,
+    2,
+    2,
+    2,
+    2,
+    2,
+    2
+  ],
+  "ctc_loss_reduction": "mean",
+  "ctc_zero_infinity": false,
+  "diversity_loss_weight": 0.1,
+  "do_stable_layer_norm": true,
+  "eos_token_id": 2,
+  "feat_extract_activation": "gelu",
+  "feat_extract_dropout": 0.0,
+  "feat_extract_norm": "layer",
+  "feat_proj_dropout": 0.0,
+  "feat_quantizer_dropout": 0.0,
+  "final_dropout": 0.0,
+  "gradient_checkpointing": true,
+  "hidden_act": "gelu",
+  "hidden_dropout": 0.1,
+  "hidden_size": 1024,
+  "initializer_range": 0.02,
+  "intermediate_size": 4096,
+  "layer_norm_eps": 1e-05,
+  "layerdrop": 0.1,
+  "mask_channel_length": 10,
+  "mask_channel_min_space": 1,
+  "mask_channel_other": 0.0,
+  "mask_channel_prob": 0.0,
+  "mask_channel_selection": "static",
+  "mask_feature_length": 10,
+  "mask_feature_prob": 0.0,
+  "mask_time_length": 10,
+  "mask_time_min_space": 1,
+  "mask_time_other": 0.0,
+  "mask_time_prob": 0.05,
+  "mask_time_selection": "static",
+  "model_type": "wav2vec2",
+  "num_attention_heads": 16,
+  "num_codevector_groups": 2,
+  "num_codevectors_per_group": 320,
+  "num_conv_pos_embedding_groups": 16,
+  "num_conv_pos_embeddings": 128,
+  "num_feat_extract_layers": 7,
+  "num_hidden_layers": 24,
+  "num_negatives": 100,
+  "pad_token_id": 69,
+  "proj_codevector_dim": 768,
+  "torch_dtype": "float32",
+  "transformers_version": "4.9.1",
+  "vocab_size": 70
+}
diff --git a/eval.py b/eval.py
new file mode 100644
index 0000000..f0af998
--- /dev/null
+++ b/eval.py
@@ -0,0 +1,154 @@
+#!/usr/bin/env python3
+import argparse
+import re
+from typing import Dict
+
+from datasets import Audio, Dataset, load_dataset, load_metric
+
+from transformers import AutoFeatureExtractor, pipeline
+
+from pythainlp.tokenize import word_tokenize, syllable_tokenize
+from deepcut import tokenize as deepcut_word_tokenize
+from functools import partial
+
+
+def log_results(result: Dataset, args: Dict[str, str]):
+    """DO NOT CHANGE. This function computes and logs the result metrics."""
+
+    log_outputs = args.log_outputs
+    dataset_id = "_".join(args.dataset.split("/") + [args.config, args.split])
+
+    # load metric
+    wer = load_metric("wer")
+    cer = load_metric("cer")
+
+    # compute metrics
+    wer_result = wer.compute(references=result["target"], predictions=result["prediction"])
+    cer_result = cer.compute(references=result["target"], predictions=result["prediction"])
+
+    # print & log results
+    result_str = f"WER: {wer_result}\n" f"CER: {cer_result}"
+    print(result_str)
+
+    with open(f"robust-speech-event/{dataset_id}_eval_results_{args.thai_tokenizer}.txt", "w") as f:
+        f.write(result_str)
+
+    # log all results in text file. Possibly interesting for analysis
+    if log_outputs is not None:
+        pred_file = f"robust-speech-event/log_{dataset_id}_predictions_{args.thai_tokenizer}.txt"
+        target_file = f"robust-speech-event/log_{dataset_id}_targets_{args.thai_tokenizer}.txt"
+
+        with open(pred_file, "w") as p, open(target_file, "w") as t:
+
+            # mapping function to write output
+            def write_to_file(batch, i):
+                p.write(f"{i}" + "\n")
+                p.write(batch["prediction"] + "\n")
+                t.write(f"{i}" + "\n")
+                t.write(batch["target"] + "\n")
+
+            result.map(write_to_file, with_indices=True)
+
+
+def normalize_text(text: str, tok_func) -> str:
+    """DO ADAPT FOR YOUR USE CASE. this function normalizes the target text."""
+
+    chars_to_ignore_regex = '[,?.!\-\;\:"“%‘”�—’…–]'  # noqa: W605 IMPORTANT: this should correspond to the chars that were ignored during training
+
+    text = re.sub(chars_to_ignore_regex, "", text.lower())
+
+    # In addition, we can normalize the target text, e.g. removing new lines characters etc...
+    # note that order is important here!
+    token_sequences_to_ignore = ["\n\n", "\n", "   ", "  "]
+
+    for t in token_sequences_to_ignore:
+        text = " ".join(text.split(t))
+
+    #thai tokenize
+    text = " ".join(tok_func(text))
+    
+    return text
+
+def retokenize(text:str, tok_func) -> str:
+    """tokenize and rejoin prediction outputs without cleaning"""
+    return " ".join(tok_func("".join(text.split())))
+
+
+def main(args):
+    # load dataset
+    dataset = load_dataset(args.dataset, args.config, split=args.split, use_auth_token=True)
+
+    # for testing: only process the first two examples as a test
+    dataset = dataset.select(range(10))
+
+    # load processor
+    feature_extractor = AutoFeatureExtractor.from_pretrained(args.model_id)
+    sampling_rate = feature_extractor.sampling_rate
+
+    # resample audio
+    dataset = dataset.cast_column("audio", Audio(sampling_rate=sampling_rate))
+
+    # load eval pipeline
+    asr = pipeline("automatic-speech-recognition", model=args.model_id)
+
+    #select tokenizer
+    if args.thai_tokenizer=='deepcut':
+        tok_func = deepcut_word_tokenize
+    elif args.thai_tokenizer=='newmm':
+        tok_func = word_tokenize
+    elif args.thai_tokenizer=='syllable':
+        tok_func = syllable_tokenize
+    else:
+        tok_func = lambda x: x.replace(' ','')
+    
+    # map function to decode audio
+    def map_to_pred(batch, tok_func):
+        prediction = asr(
+            batch["audio"]["array"], chunk_length_s=args.chunk_length_s, stride_length_s=args.stride_length_s
+        )
+
+        batch["prediction"] = retokenize(prediction["text"], tok_func)
+        batch["target"] = normalize_text(batch["sentence"], tok_func)
+        return batch
+
+    # run inference on all examples
+    result = dataset.map(partial(map_to_pred, tok_func=tok_func), 
+                         remove_columns=dataset.column_names)
+
+    # compute and log_results
+    # do not change function below
+    log_results(result, args)
+
+
+if __name__ == "__main__":
+    parser = argparse.ArgumentParser()
+
+    parser.add_argument(
+        "--model_id", type=str, required=True, help="Model identifier. Should be loadable with 🤗 Transformers"
+    )
+    parser.add_argument(
+        "--thai_tokenizer", type=str, default="newmm",
+        required=True, help="newmm, syllable, or deepcut; if not specified, remove all spaces (used for CER calculation)"
+    )    
+    parser.add_argument(
+        "--dataset",
+        type=str,
+        required=True,
+        help="Dataset name to evaluate the `model_id`. Should be loadable with 🤗 Datasets",
+    )
+    parser.add_argument(
+        "--config", type=str, required=True, help="Config of the dataset. *E.g.* `'en'`  for Common Voice"
+    )
+    parser.add_argument("--split", type=str, required=True, help="Split of the dataset. *E.g.* `'test'`")
+    parser.add_argument(
+        "--chunk_length_s", type=float, default=None, help="Chunk length in seconds. Defaults to 5 seconds."
+    )
+    parser.add_argument(
+        "--stride_length_s", type=float, default=None, help="Stride of the audio chunks. Defaults to 1 second."
+    )
+    parser.add_argument(
+        "--log_outputs", action="store_true", help="If defined, write outputs to log file for analysis."
+    )
+    args = parser.parse_args()
+
+    main(args)
\ No newline at end of file
diff --git a/preprocessor_config.json b/preprocessor_config.json
new file mode 100644
index 0000000..a0b7227
--- /dev/null
+++ b/preprocessor_config.json
@@ -0,0 +1,9 @@
+{
+  "do_normalize": true,
+  "feature_extractor_type": "Wav2Vec2FeatureExtractor",
+  "feature_size": 1,
+  "padding_side": "right",
+  "padding_value": 0.0,
+  "return_attention_mask": false,
+  "sampling_rate": 16000
+}
diff --git a/pytorch_model.bin b/pytorch_model.bin
new file mode 100644
index 0000000..9122dda
--- /dev/null
+++ b/pytorch_model.bin
@@ -0,0 +1,3 @@
+version https://git-lfs.github.com/spec/v1
+oid sha256:54824f24eb41e1b095bcc1d1b735da40b344ed24e484abccfd0795d0036418b8
+size 1262210673
diff --git a/rng_state.pth b/rng_state.pth
new file mode 100644
index 0000000..392d5ff
--- /dev/null
+++ b/rng_state.pth
@@ -0,0 +1,3 @@
+version https://git-lfs.github.com/spec/v1
+oid sha256:040892c8367ed2663b43590614fcaee20e683cc064af55f65e3baf94db0473d8
+size 15587
diff --git a/robust-speech-event/.ipynb_checkpoints/log_mozilla-foundation_common_voice_7_0_th_test_predictions_cer-checkpoint.txt b/robust-speech-event/.ipynb_checkpoints/log_mozilla-foundation_common_voice_7_0_th_test_predictions_cer-checkpoint.txt
new file mode 100644
index 0000000..f5ae7b5
--- /dev/null
+++ b/robust-speech-event/.ipynb_checkpoints/log_mozilla-foundation_common_voice_7_0_th_test_predictions_cer-checkpoint.txt
@@ -0,0 +1,20 @@
+0
+เ ร า เ ร ิ ่ ม ต ้ น ด ้ ว ย ว ิ ธ ี น ี ้
+1
+ส ่ ง ใ ห ้ ต ร ง น ี ้ แ ห ล ะ โ ด โ ด ้ บ อ ก
+2
+ห น ท า ง ท ี ่ ด ี ท ี ่ ส ุ ด ไ ป ส ู ่ ค ว า ม ม ุ ่ ง ห ว ั ง ข อ ง ฉ ั น ค ื อ อ ะ ไ ร
+3
+ค ุ ณ ค ง ว ่ า ง ม า ก เ ล ย ส ิ น ะ
+4
+พ ร ุ ่ ง น ี ้ เ ข า จ ะ ม า ท ำ ถ น น ห น ้ า บ ้ า น น ะ อ า จ จ ะ เ ส ี ย ง ด ั ง ห น ่ อ ย
+5
+ฉ ั น พ ิ น ิ จ ใ น จ ิ น ต น า ก า ร ข อ ง ฉ ั น
+6
+เ ร า ม า จ า ก จ ั ง ห ว ั ด ล ะ ย อ ง
+7
+เ ค ล ว ิ น ฟ า เ ร น ไ ฮ ต ์ ห ร ื อ เ ซ ล เ ซ ี ย ส ซ ึ ่ ง เ ป ็ น ห น ่ ว ย อ ุ ณ ห ภ ู ม ิ ท ี ่ ด ี ท ี ่ ส ุ ด
+8
+แ ล ะ ม ั น ก ็ เ ป ็ น ค ว า ม จ ร ิ ง
+9
+ว ิ ธ ี ก า ร ส ร ้ า ง ช ่ อ ด อ ก ไ ม ้ ท ี ่ ก ิ น ไ ด ้
diff --git a/robust-speech-event/.ipynb_checkpoints/log_mozilla-foundation_common_voice_7_0_th_test_predictions_deepcut-checkpoint.txt b/robust-speech-event/.ipynb_checkpoints/log_mozilla-foundation_common_voice_7_0_th_test_predictions_deepcut-checkpoint.txt
new file mode 100644
index 0000000..7785c1d
--- /dev/null
+++ b/robust-speech-event/.ipynb_checkpoints/log_mozilla-foundation_common_voice_7_0_th_test_predictions_deepcut-checkpoint.txt
@@ -0,0 +1,20 @@
+0
+เรา เริ่มต้น ด้วย วิธี นี้
+1
+ส่ง ให้ ตรง นี้ แหละ โดโด้ บอก
+2
+หนทาง ที่ ดี ที่สุด ไป สู่ ความ มุ่ง หวัง ของ ฉัน คือ อะไร
+3
+คุณคง ว่าง มาก เลย สิ นะ
+4
+พรุ่ง นี้ เขา จะ มา ทำ ถนน หน้า บ้าน นะ อาจ จะ เสียง ดัง หน่อย
+5
+ฉัน พินิจ ใน จินตนาการ ของ ฉัน
+6
+เรา มา จาก จังหวัดละยอง
+7
+เคลวินฟาเรนไฮต์ หรือ เซลเซียส ซึ่ง เป็น หน่วย อุณหภูมิ ที่ ดี ที่สุด
+8
+และ มัน ก็ เป็น ความ จริง
+9
+วิธี การ สร้าง ช่อ ดอก ไม้ ที่ กิน ได้
diff --git a/robust-speech-event/.ipynb_checkpoints/log_mozilla-foundation_common_voice_7_0_th_test_predictions_newmm-checkpoint.txt b/robust-speech-event/.ipynb_checkpoints/log_mozilla-foundation_common_voice_7_0_th_test_predictions_newmm-checkpoint.txt
new file mode 100644
index 0000000..0c8f631
--- /dev/null
+++ b/robust-speech-event/.ipynb_checkpoints/log_mozilla-foundation_common_voice_7_0_th_test_predictions_newmm-checkpoint.txt
@@ -0,0 +1,20 @@
+0
+เรา เริ่มต้น ด้วย วิธี นี้
+1
+ส่ง ให้ ตรง นี้แหละ โด โด้ บอก
+2
+หนทาง ที่ ดี ที่สุด ไป สู่ ความ มุ่งหวัง ของ ฉัน คือ อะไร
+3
+คุณ คง ว่าง มาก เลย สิ นะ
+4
+พรุ่งนี้ เขา จะ มา ทำ ถนน หน้าบ้าน นะ อาจจะ เสียงดัง หน่อย
+5
+ฉัน พินิจ ในจินตนาการ ของ ฉัน
+6
+เรา มาจาก จังหวัด ละ ยอง
+7
+เค ล วิน ฟา เร น ไฮ ต์ หรือ เซลเซียส ซึ่ง เป็น หน่วย อุณหภูมิ ที่ ดี ที่สุด
+8
+และ มัน ก็ เป็น ความจริง
+9
+วิธีการ สร้าง ช่อดอกไม้ ที่ กิน ได้
diff --git a/robust-speech-event/.ipynb_checkpoints/log_mozilla-foundation_common_voice_7_0_th_test_targets_cer-checkpoint.txt b/robust-speech-event/.ipynb_checkpoints/log_mozilla-foundation_common_voice_7_0_th_test_targets_cer-checkpoint.txt
new file mode 100644
index 0000000..d1ee29d
--- /dev/null
+++ b/robust-speech-event/.ipynb_checkpoints/log_mozilla-foundation_common_voice_7_0_th_test_targets_cer-checkpoint.txt
@@ -0,0 +1,20 @@
+0
+เ ร า เ ร ิ ่ ม ต ้ น ด ้ ว ย ว ิ ธ ี น ี ้
+1
+ส ่ ง ใ ห ้ ต ร ง น ี ้ แ ห ล ะ โ ด โ ด ้ บ อ ก
+2
+ห น ท า ง ท ี ่ ด ี ท ี ่ ส ุ ด ไ ป ส ู ่ ค ว า ม ม ุ ่ ง ห ว ั ง ข อ ง ฉ ั น ค ื อ อ ะ ไ ร
+3
+ค ุ ณ ค ง ว ่ า ง ม า ก เ ล ย ส ิ น ะ
+4
+พ ร ุ ่ ง น ี ้ เ ข า จ ะ ม า ท ำ ถ น น ห น ้ า บ ้ า น น ะ อ า จ จ ะ เ ส ี ย ง ด ั ง ห น ่ อ ย
+5
+ฉ ั น พ ิ น ิ จ ใ น จ ิ น ต น า ก า ร ข อ ง ฉ ั น
+6
+เ ร า ม า จ า ก จ ั ง ห ว ั ด ร ะ ย อ ง
+7
+เ ค ล ว ิ น ฟ า เ ร น ไ ฮ ต ์ ห ร ื อ เ ซ ล เ ซ ี ย ส ซ ึ ่ ง เ ป ็ น ห น ่ ว ย อ ุ ณ ห ภ ู ม ิ ท ี ่ ด ี ท ี ่ ส ุ ด
+8
+แ ล ะ ม ั น ก ็ เ ป ็ น ค ว า ม จ ร ิ ง
+9
+ว ิ ธ ี ก า ร ส ร ้ า ง ช ่ อ ด อ ก ไ ม ้ ท ี ่ ก ิ น ไ ด ้
diff --git a/robust-speech-event/.ipynb_checkpoints/log_mozilla-foundation_common_voice_7_0_th_test_targets_deepcut-checkpoint.txt b/robust-speech-event/.ipynb_checkpoints/log_mozilla-foundation_common_voice_7_0_th_test_targets_deepcut-checkpoint.txt
new file mode 100644
index 0000000..7d8708d
--- /dev/null
+++ b/robust-speech-event/.ipynb_checkpoints/log_mozilla-foundation_common_voice_7_0_th_test_targets_deepcut-checkpoint.txt
@@ -0,0 +1,20 @@
+0
+เรา เริ่มต้น ด้วย วิธี นี้
+1
+ส่ง ให้ ตรง นี้ แหละ   โดโด้ บอก
+2
+หนทาง ที่ ดี ที่สุด ไป สู่ ความ มุ่ง หวัง ของ ฉัน คือ อะไร
+3
+คุณคง ว่าง มาก เลย สิ นะ
+4
+พรุ่ง นี้ เขา จะ มา ทำ ถนน หน้า บ้าน นะ   อาจ จะ เสียง ดัง หน่อย
+5
+ฉัน พินิจ ใน จินตนาการ ของ ฉัน
+6
+เรา มา จาก จังหวัดระยอง
+7
+เคลวินฟาเรนไฮต์ หรือ เซลเซียส ซึ่ง เป็น หน่วย อุณหภูมิ ที่ ดี ที่สุด
+8
+และ มัน ก็ เป็น ความ จริง
+9
+วิธี การ สร้าง ช่อ ดอก ไม้ ที่ กิน ได้
diff --git a/robust-speech-event/.ipynb_checkpoints/log_mozilla-foundation_common_voice_7_0_th_test_targets_newmm-checkpoint.txt b/robust-speech-event/.ipynb_checkpoints/log_mozilla-foundation_common_voice_7_0_th_test_targets_newmm-checkpoint.txt
new file mode 100644
index 0000000..9174a16
--- /dev/null
+++ b/robust-speech-event/.ipynb_checkpoints/log_mozilla-foundation_common_voice_7_0_th_test_targets_newmm-checkpoint.txt
@@ -0,0 +1,20 @@
+0
+เรา เริ่มต้น ด้วย วิธี นี้
+1
+ส่ง ให้ ตรง นี้แหละ   โด โด้ บอก
+2
+หนทาง ที่ ดี ที่สุด ไป สู่ ความ มุ่งหวัง ของ ฉัน คือ อะไร
+3
+คุณ คง ว่าง มาก เลย สิ นะ
+4
+พรุ่งนี้ เขา จะ มา ทำ ถนน หน้าบ้าน นะ   อาจจะ เสียงดัง หน่อย
+5
+ฉัน พินิจ ในจินตนาการ ของ ฉัน
+6
+เรา มาจาก จังหวัด ระยอง
+7
+เค ล วิน ฟา เร น ไฮ ต์ หรือ เซลเซียส ซึ่ง เป็น หน่วย อุณหภูมิ ที่ ดี ที่สุด
+8
+และ มัน ก็ เป็น ความจริง
+9
+วิธีการ สร้าง ช่อดอกไม้ ที่ กิน ได้
diff --git a/robust-speech-event/log_mozilla-foundation_common_voice_7_0_th_test_predictions_cer.txt b/robust-speech-event/log_mozilla-foundation_common_voice_7_0_th_test_predictions_cer.txt
new file mode 100644
index 0000000..f5ae7b5
--- /dev/null
+++ b/robust-speech-event/log_mozilla-foundation_common_voice_7_0_th_test_predictions_cer.txt
@@ -0,0 +1,20 @@
+0
+เ ร า เ ร ิ ่ ม ต ้ น ด ้ ว ย ว ิ ธ ี น ี ้
+1
+ส ่ ง ใ ห ้ ต ร ง น ี ้ แ ห ล ะ โ ด โ ด ้ บ อ ก
+2
+ห น ท า ง ท ี ่ ด ี ท ี ่ ส ุ ด ไ ป ส ู ่ ค ว า ม ม ุ ่ ง ห ว ั ง ข อ ง ฉ ั น ค ื อ อ ะ ไ ร
+3
+ค ุ ณ ค ง ว ่ า ง ม า ก เ ล ย ส ิ น ะ
+4
+พ ร ุ ่ ง น ี ้ เ ข า จ ะ ม า ท ำ ถ น น ห น ้ า บ ้ า น น ะ อ า จ จ ะ เ ส ี ย ง ด ั ง ห น ่ อ ย
+5
+ฉ ั น พ ิ น ิ จ ใ น จ ิ น ต น า ก า ร ข อ ง ฉ ั น
+6
+เ ร า ม า จ า ก จ ั ง ห ว ั ด ล ะ ย อ ง
+7
+เ ค ล ว ิ น ฟ า เ ร น ไ ฮ ต ์ ห ร ื อ เ ซ ล เ ซ ี ย ส ซ ึ ่ ง เ ป ็ น ห น ่ ว ย อ ุ ณ ห ภ ู ม ิ ท ี ่ ด ี ท ี ่ ส ุ ด
+8
+แ ล ะ ม ั น ก ็ เ ป ็ น ค ว า ม จ ร ิ ง
+9
+ว ิ ธ ี ก า ร ส ร ้ า ง ช ่ อ ด อ ก ไ ม ้ ท ี ่ ก ิ น ไ ด ้
diff --git a/robust-speech-event/log_mozilla-foundation_common_voice_7_0_th_test_predictions_deepcut.txt b/robust-speech-event/log_mozilla-foundation_common_voice_7_0_th_test_predictions_deepcut.txt
new file mode 100644
index 0000000..7785c1d
--- /dev/null
+++ b/robust-speech-event/log_mozilla-foundation_common_voice_7_0_th_test_predictions_deepcut.txt
@@ -0,0 +1,20 @@
+0
+เรา เริ่มต้น ด้วย วิธี นี้
+1
+ส่ง ให้ ตรง นี้ แหละ โดโด้ บอก
+2
+หนทาง ที่ ดี ที่สุด ไป สู่ ความ มุ่ง หวัง ของ ฉัน คือ อะไร
+3
+คุณคง ว่าง มาก เลย สิ นะ
+4
+พรุ่ง นี้ เขา จะ มา ทำ ถนน หน้า บ้าน นะ อาจ จะ เสียง ดัง หน่อย
+5
+ฉัน พินิจ ใน จินตนาการ ของ ฉัน
+6
+เรา มา จาก จังหวัดละยอง
+7
+เคลวินฟาเรนไฮต์ หรือ เซลเซียส ซึ่ง เป็น หน่วย อุณหภูมิ ที่ ดี ที่สุด
+8
+และ มัน ก็ เป็น ความ จริง
+9
+วิธี การ สร้าง ช่อ ดอก ไม้ ที่ กิน ได้
diff --git a/robust-speech-event/log_mozilla-foundation_common_voice_7_0_th_test_predictions_newmm.txt b/robust-speech-event/log_mozilla-foundation_common_voice_7_0_th_test_predictions_newmm.txt
new file mode 100644
index 0000000..0c8f631
--- /dev/null
+++ b/robust-speech-event/log_mozilla-foundation_common_voice_7_0_th_test_predictions_newmm.txt
@@ -0,0 +1,20 @@
+0
+เรา เริ่มต้น ด้วย วิธี นี้
+1
+ส่ง ให้ ตรง นี้แหละ โด โด้ บอก
+2
+หนทาง ที่ ดี ที่สุด ไป สู่ ความ มุ่งหวัง ของ ฉัน คือ อะไร
+3
+คุณ คง ว่าง มาก เลย สิ นะ
+4
+พรุ่งนี้ เขา จะ มา ทำ ถนน หน้าบ้าน นะ อาจจะ เสียงดัง หน่อย
+5
+ฉัน พินิจ ในจินตนาการ ของ ฉัน
+6
+เรา มาจาก จังหวัด ละ ยอง
+7
+เค ล วิน ฟา เร น ไฮ ต์ หรือ เซลเซียส ซึ่ง เป็น หน่วย อุณหภูมิ ที่ ดี ที่สุด
+8
+และ มัน ก็ เป็น ความจริง
+9
+วิธีการ สร้าง ช่อดอกไม้ ที่ กิน ได้
diff --git a/robust-speech-event/log_mozilla-foundation_common_voice_7_0_th_test_predictions_syllable.txt b/robust-speech-event/log_mozilla-foundation_common_voice_7_0_th_test_predictions_syllable.txt
new file mode 100644
index 0000000..bcbca32
--- /dev/null
+++ b/robust-speech-event/log_mozilla-foundation_common_voice_7_0_th_test_predictions_syllable.txt
@@ -0,0 +1,20 @@
+0
+เรา เริ่ม ต้น ด้วย วิ ธี นี้
+1
+ส่ง ให้ ตรง นี้ แหละ โด โด้ บอก
+2
+หน ทาง ที่ ดี ที่ สุด ไป สู่ ความ มุ่ง หวัง ของ ฉัน คือ อะ ไร
+3
+คุณ คง ว่าง มาก เลย สิ นะ
+4
+พรุ่ง นี้ เขา จะ มา ทำ ถนน หน้า บ้าน นะ อาจ จะ เสียง ดัง หน่อย
+5
+ฉัน พิ นิจ ใน จินต นา การ ของ ฉัน
+6
+เรา มา จาก จัง หวัด ละ ยอง
+7
+เค ล วิน ฟา เร น ไฮ ต์ หรือ เซล เซียส ซึ่ง เป็น หน่วย อุณห ภูมิ ที่ ดี ที่ สุด
+8
+และ มัน ก็ เป็น ความ จริง
+9
+วิ ธี การ สร้าง ช่อ ดอก ไม้ ที่ กิน ได้
diff --git a/robust-speech-event/log_mozilla-foundation_common_voice_7_0_th_test_targets_cer.txt b/robust-speech-event/log_mozilla-foundation_common_voice_7_0_th_test_targets_cer.txt
new file mode 100644
index 0000000..d1ee29d
--- /dev/null
+++ b/robust-speech-event/log_mozilla-foundation_common_voice_7_0_th_test_targets_cer.txt
@@ -0,0 +1,20 @@
+0
+เ ร า เ ร ิ ่ ม ต ้ น ด ้ ว ย ว ิ ธ ี น ี ้
+1
+ส ่ ง ใ ห ้ ต ร ง น ี ้ แ ห ล ะ โ ด โ ด ้ บ อ ก
+2
+ห น ท า ง ท ี ่ ด ี ท ี ่ ส ุ ด ไ ป ส ู ่ ค ว า ม ม ุ ่ ง ห ว ั ง ข อ ง ฉ ั น ค ื อ อ ะ ไ ร
+3
+ค ุ ณ ค ง ว ่ า ง ม า ก เ ล ย ส ิ น ะ
+4
+พ ร ุ ่ ง น ี ้ เ ข า จ ะ ม า ท ำ ถ น น ห น ้ า บ ้ า น น ะ อ า จ จ ะ เ ส ี ย ง ด ั ง ห น ่ อ ย
+5
+ฉ ั น พ ิ น ิ จ ใ น จ ิ น ต น า ก า ร ข อ ง ฉ ั น
+6
+เ ร า ม า จ า ก จ ั ง ห ว ั ด ร ะ ย อ ง
+7
+เ ค ล ว ิ น ฟ า เ ร น ไ ฮ ต ์ ห ร ื อ เ ซ ล เ ซ ี ย ส ซ ึ ่ ง เ ป ็ น ห น ่ ว ย อ ุ ณ ห ภ ู ม ิ ท ี ่ ด ี ท ี ่ ส ุ ด
+8
+แ ล ะ ม ั น ก ็ เ ป ็ น ค ว า ม จ ร ิ ง
+9
+ว ิ ธ ี ก า ร ส ร ้ า ง ช ่ อ ด อ ก ไ ม ้ ท ี ่ ก ิ น ไ ด ้
diff --git a/robust-speech-event/log_mozilla-foundation_common_voice_7_0_th_test_targets_deepcut.txt b/robust-speech-event/log_mozilla-foundation_common_voice_7_0_th_test_targets_deepcut.txt
new file mode 100644
index 0000000..7d8708d
--- /dev/null
+++ b/robust-speech-event/log_mozilla-foundation_common_voice_7_0_th_test_targets_deepcut.txt
@@ -0,0 +1,20 @@
+0
+เรา เริ่มต้น ด้วย วิธี นี้
+1
+ส่ง ให้ ตรง นี้ แหละ   โดโด้ บอก
+2
+หนทาง ที่ ดี ที่สุด ไป สู่ ความ มุ่ง หวัง ของ ฉัน คือ อะไร
+3
+คุณคง ว่าง มาก เลย สิ นะ
+4
+พรุ่ง นี้ เขา จะ มา ทำ ถนน หน้า บ้าน นะ   อาจ จะ เสียง ดัง หน่อย
+5
+ฉัน พินิจ ใน จินตนาการ ของ ฉัน
+6
+เรา มา จาก จังหวัดระยอง
+7
+เคลวินฟาเรนไฮต์ หรือ เซลเซียส ซึ่ง เป็น หน่วย อุณหภูมิ ที่ ดี ที่สุด
+8
+และ มัน ก็ เป็น ความ จริง
+9
+วิธี การ สร้าง ช่อ ดอก ไม้ ที่ กิน ได้
diff --git a/robust-speech-event/log_mozilla-foundation_common_voice_7_0_th_test_targets_newmm.txt b/robust-speech-event/log_mozilla-foundation_common_voice_7_0_th_test_targets_newmm.txt
new file mode 100644
index 0000000..9174a16
--- /dev/null
+++ b/robust-speech-event/log_mozilla-foundation_common_voice_7_0_th_test_targets_newmm.txt
@@ -0,0 +1,20 @@
+0
+เรา เริ่มต้น ด้วย วิธี นี้
+1
+ส่ง ให้ ตรง นี้แหละ   โด โด้ บอก
+2
+หนทาง ที่ ดี ที่สุด ไป สู่ ความ มุ่งหวัง ของ ฉัน คือ อะไร
+3
+คุณ คง ว่าง มาก เลย สิ นะ
+4
+พรุ่งนี้ เขา จะ มา ทำ ถนน หน้าบ้าน นะ   อาจจะ เสียงดัง หน่อย
+5
+ฉัน พินิจ ในจินตนาการ ของ ฉัน
+6
+เรา มาจาก จังหวัด ระยอง
+7
+เค ล วิน ฟา เร น ไฮ ต์ หรือ เซลเซียส ซึ่ง เป็น หน่วย อุณหภูมิ ที่ ดี ที่สุด
+8
+และ มัน ก็ เป็น ความจริง
+9
+วิธีการ สร้าง ช่อดอกไม้ ที่ กิน ได้
diff --git a/robust-speech-event/log_mozilla-foundation_common_voice_7_0_th_test_targets_syllable.txt b/robust-speech-event/log_mozilla-foundation_common_voice_7_0_th_test_targets_syllable.txt
new file mode 100644
index 0000000..8abbbd9
--- /dev/null
+++ b/robust-speech-event/log_mozilla-foundation_common_voice_7_0_th_test_targets_syllable.txt
@@ -0,0 +1,20 @@
+0
+เรา เริ่ม ต้น ด้วย วิ ธี นี้
+1
+ส่ง ให้ ตรง นี้ แหละ   โด โด้ บอก
+2
+หน ทาง ที่ ดี ที่ สุด ไป สู่ ความ มุ่ง หวัง ของ ฉัน คือ อะ ไร
+3
+คุณ คง ว่าง มาก เลย สิ นะ
+4
+พรุ่ง นี้ เขา จะ มา ทำ ถนน หน้า บ้าน นะ   อาจ จะ เสียง ดัง หน่อย
+5
+ฉัน พิ นิจ ใน จินต นา การ ของ ฉัน
+6
+เรา มา จาก จัง หวัด ระ ยอง
+7
+เค ล วิน ฟา เร น ไฮ ต์ หรือ เซล เซียส ซึ่ง เป็น หน่วย อุณห ภูมิ ที่ ดี ที่ สุด
+8
+และ มัน ก็ เป็น ความ จริง
+9
+วิ ธี การ สร้าง ช่อ ดอก ไม้ ที่ กิน ได้
diff --git a/robust-speech-event/mozilla-foundation_common_voice_7_0_th_test_eval_results_cer.txt b/robust-speech-event/mozilla-foundation_common_voice_7_0_th_test_eval_results_cer.txt
new file mode 100644
index 0000000..3bc97ef
--- /dev/null
+++ b/robust-speech-event/mozilla-foundation_common_voice_7_0_th_test_eval_results_cer.txt
@@ -0,0 +1,2 @@
+WER: 0.003194888178913738
+CER: 0.0016233766233766235
\ No newline at end of file
diff --git a/robust-speech-event/mozilla-foundation_common_voice_7_0_th_test_eval_results_deepcut.txt b/robust-speech-event/mozilla-foundation_common_voice_7_0_th_test_eval_results_deepcut.txt
new file mode 100644
index 0000000..e02cefc
--- /dev/null
+++ b/robust-speech-event/mozilla-foundation_common_voice_7_0_th_test_eval_results_deepcut.txt
@@ -0,0 +1,2 @@
+WER: 0.012345679012345678
+CER: 0.0026041666666666665
\ No newline at end of file
diff --git a/robust-speech-event/mozilla-foundation_common_voice_7_0_th_test_eval_results_newmm.txt b/robust-speech-event/mozilla-foundation_common_voice_7_0_th_test_eval_results_newmm.txt
new file mode 100644
index 0000000..c2b1e16
--- /dev/null
+++ b/robust-speech-event/mozilla-foundation_common_voice_7_0_th_test_eval_results_newmm.txt
@@ -0,0 +1,2 @@
+WER: 0.02531645569620253
+CER: 0.005235602094240838
\ No newline at end of file
diff --git a/robust-speech-event/mozilla-foundation_common_voice_7_0_th_test_eval_results_syllable.txt b/robust-speech-event/mozilla-foundation_common_voice_7_0_th_test_eval_results_syllable.txt
new file mode 100644
index 0000000..c74e00b
--- /dev/null
+++ b/robust-speech-event/mozilla-foundation_common_voice_7_0_th_test_eval_results_syllable.txt
@@ -0,0 +1,2 @@
+WER: 0.009523809523809525
+CER: 0.0024509803921568627
\ No newline at end of file
diff --git a/scaler.pt b/scaler.pt
new file mode 100644
index 0000000..d5c48cd
--- /dev/null
+++ b/scaler.pt
@@ -0,0 +1,3 @@
+version https://git-lfs.github.com/spec/v1
+oid sha256:eaad0a550aad796c00c2715fb3dd07c74e5ca1520507a15a505e4faf0123239f
+size 559
diff --git a/scheduler.pt b/scheduler.pt
new file mode 100644
index 0000000..b01ffa1
--- /dev/null
+++ b/scheduler.pt
@@ -0,0 +1,3 @@
+version https://git-lfs.github.com/spec/v1
+oid sha256:bb118fee7b3cd82205b90d8e4ffc01eee7dfb1f3f32f5210cf6b36e69150bc49
+size 623
diff --git a/special_tokens_map.json b/special_tokens_map.json
new file mode 100644
index 0000000..9abf719
--- /dev/null
+++ b/special_tokens_map.json
@@ -0,0 +1 @@
+{"bos_token": "<s>", "eos_token": "</s>", "unk_token": "[UNK]", "pad_token": "[PAD]"}
\ No newline at end of file
diff --git a/tokenizer_config.json b/tokenizer_config.json
new file mode 100644
index 0000000..f5118ab
--- /dev/null
+++ b/tokenizer_config.json
@@ -0,0 +1 @@
+{"unk_token": "[UNK]", "bos_token": "<s>", "eos_token": "</s>", "pad_token": "[PAD]", "do_lower_case": false, "word_delimiter_token": "|", "tokenizer_class": "Wav2Vec2CTCTokenizer"}
\ No newline at end of file
diff --git a/trainer_state.json b/trainer_state.json
new file mode 100644
index 0000000..c707084
--- /dev/null
+++ b/trainer_state.json
@@ -0,0 +1,2041 @@
+{
+  "best_metric": 1.0,
+  "best_model_checkpoint": "../data/wav2vec2-large-xlsr-53-thai/checkpoint-1000",
+  "epoch": 99.77827050997783,
+  "global_step": 135000,
+  "is_hyper_param_search": false,
+  "is_local_process_zero": true,
+  "is_world_process_zero": true,
+  "log_history": [
+    {
+      "epoch": 0.74,
+      "learning_rate": 9.970000000000001e-05,
+      "loss": 7.1725,
+      "step": 1000
+    },
+    {
+      "epoch": 0.74,
+      "eval_loss": 3.039940595626831,
+      "eval_runtime": 185.7874,
+      "eval_samples_per_second": 16.293,
+      "eval_steps_per_second": 0.511,
+      "eval_wer": 1.0,
+      "step": 1000
+    },
+    {
+      "epoch": 1.48,
+      "learning_rate": 9.925763216679077e-05,
+      "loss": 1.0788,
+      "step": 2000
+    },
+    {
+      "epoch": 1.48,
+      "eval_loss": 0.6130112409591675,
+      "eval_runtime": 176.9194,
+      "eval_samples_per_second": 17.109,
+      "eval_steps_per_second": 0.537,
+      "eval_wer": 0.6820256330103157,
+      "step": 2000
+    },
+    {
+      "epoch": 2.22,
+      "learning_rate": 9.851303052866717e-05,
+      "loss": 0.6339,
+      "step": 3000
+    },
+    {
+      "epoch": 2.22,
+      "eval_loss": 0.49624550342559814,
+      "eval_runtime": 175.6715,
+      "eval_samples_per_second": 17.231,
+      "eval_steps_per_second": 0.541,
+      "eval_wer": 0.6168802750859643,
+      "step": 3000
+    },
+    {
+      "epoch": 2.96,
+      "learning_rate": 9.776842889054357e-05,
+      "loss": 0.5295,
+      "step": 4000
+    },
+    {
+      "epoch": 2.96,
+      "eval_loss": 0.4389719069004059,
+      "eval_runtime": 176.6072,
+      "eval_samples_per_second": 17.14,
+      "eval_steps_per_second": 0.538,
+      "eval_wer": 0.577117849327915,
+      "step": 4000
+    },
+    {
+      "epoch": 3.7,
+      "learning_rate": 9.702382725241996e-05,
+      "loss": 0.4616,
+      "step": 5000
+    },
+    {
+      "epoch": 3.7,
+      "eval_loss": 0.4208119809627533,
+      "eval_runtime": 196.7481,
+      "eval_samples_per_second": 15.385,
+      "eval_steps_per_second": 0.483,
+      "eval_wer": 0.5618005626758362,
+      "step": 5000
+    },
+    {
+      "epoch": 4.43,
+      "learning_rate": 9.627922561429635e-05,
+      "loss": 0.4206,
+      "step": 6000
+    },
+    {
+      "epoch": 4.43,
+      "eval_loss": 0.4009915888309479,
+      "eval_runtime": 180.4803,
+      "eval_samples_per_second": 16.772,
+      "eval_steps_per_second": 0.526,
+      "eval_wer": 0.5411691153485464,
+      "step": 6000
+    },
+    {
+      "epoch": 5.17,
+      "learning_rate": 9.553462397617276e-05,
+      "loss": 0.3908,
+      "step": 7000
+    },
+    {
+      "epoch": 5.17,
+      "eval_loss": 0.399889200925827,
+      "eval_runtime": 189.7255,
+      "eval_samples_per_second": 15.955,
+      "eval_steps_per_second": 0.501,
+      "eval_wer": 0.5384807752422632,
+      "step": 7000
+    },
+    {
+      "epoch": 5.91,
+      "learning_rate": 9.479002233804914e-05,
+      "loss": 0.3659,
+      "step": 8000
+    },
+    {
+      "epoch": 5.91,
+      "eval_loss": 0.3719017505645752,
+      "eval_runtime": 184.5994,
+      "eval_samples_per_second": 16.398,
+      "eval_steps_per_second": 0.515,
+      "eval_wer": 0.5141606752110034,
+      "step": 8000
+    },
+    {
+      "epoch": 6.65,
+      "learning_rate": 9.404542069992555e-05,
+      "loss": 0.338,
+      "step": 9000
+    },
+    {
+      "epoch": 6.65,
+      "eval_loss": 0.35533592104911804,
+      "eval_runtime": 188.5325,
+      "eval_samples_per_second": 16.056,
+      "eval_steps_per_second": 0.504,
+      "eval_wer": 0.5101594248202563,
+      "step": 9000
+    },
+    {
+      "epoch": 7.39,
+      "learning_rate": 9.330156366344007e-05,
+      "loss": 0.3222,
+      "step": 10000
+    },
+    {
+      "epoch": 7.39,
+      "eval_loss": 0.40722423791885376,
+      "eval_runtime": 195.2723,
+      "eval_samples_per_second": 15.501,
+      "eval_steps_per_second": 0.487,
+      "eval_wer": 0.49309159112222567,
+      "step": 10000
+    },
+    {
+      "epoch": 8.13,
+      "learning_rate": 9.255696202531646e-05,
+      "loss": 0.31,
+      "step": 11000
+    },
+    {
+      "epoch": 8.13,
+      "eval_loss": 0.37148234248161316,
+      "eval_runtime": 182.6314,
+      "eval_samples_per_second": 16.574,
+      "eval_steps_per_second": 0.52,
+      "eval_wer": 0.48715223507346045,
+      "step": 11000
+    },
+    {
+      "epoch": 8.87,
+      "learning_rate": 9.181310498883098e-05,
+      "loss": 0.2901,
+      "step": 12000
+    },
+    {
+      "epoch": 8.87,
+      "eval_loss": 0.365583598613739,
+      "eval_runtime": 175.3968,
+      "eval_samples_per_second": 17.258,
+      "eval_steps_per_second": 0.542,
+      "eval_wer": 0.4882775867458581,
+      "step": 12000
+    },
+    {
+      "epoch": 9.61,
+      "learning_rate": 9.106850335070738e-05,
+      "loss": 0.276,
+      "step": 13000
+    },
+    {
+      "epoch": 9.61,
+      "eval_loss": 0.37835174798965454,
+      "eval_runtime": 175.9962,
+      "eval_samples_per_second": 17.199,
+      "eval_steps_per_second": 0.54,
+      "eval_wer": 0.4897155361050328,
+      "step": 13000
+    },
+    {
+      "epoch": 10.35,
+      "learning_rate": 9.032539091586003e-05,
+      "loss": 0.2628,
+      "step": 14000
+    },
+    {
+      "epoch": 10.35,
+      "eval_loss": 0.4127887189388275,
+      "eval_runtime": 180.0512,
+      "eval_samples_per_second": 16.812,
+      "eval_steps_per_second": 0.528,
+      "eval_wer": 0.48871522350734603,
+      "step": 14000
+    },
+    {
+      "epoch": 11.09,
+      "learning_rate": 8.958078927773641e-05,
+      "loss": 0.256,
+      "step": 15000
+    },
+    {
+      "epoch": 11.09,
+      "eval_loss": 0.3795180022716522,
+      "eval_runtime": 174.1363,
+      "eval_samples_per_second": 17.383,
+      "eval_steps_per_second": 0.546,
+      "eval_wer": 0.46939668646452015,
+      "step": 15000
+    },
+    {
+      "epoch": 11.83,
+      "learning_rate": 8.88361876396128e-05,
+      "loss": 0.2455,
+      "step": 16000
+    },
+    {
+      "epoch": 11.83,
+      "eval_loss": 0.3748489320278168,
+      "eval_runtime": 174.8629,
+      "eval_samples_per_second": 17.311,
+      "eval_steps_per_second": 0.543,
+      "eval_wer": 0.46970928415129726,
+      "step": 16000
+    },
+    {
+      "epoch": 12.56,
+      "learning_rate": 8.809233060312732e-05,
+      "loss": 0.2377,
+      "step": 17000
+    },
+    {
+      "epoch": 12.56,
+      "eval_loss": 0.4371410012245178,
+      "eval_runtime": 173.1913,
+      "eval_samples_per_second": 17.478,
+      "eval_steps_per_second": 0.549,
+      "eval_wer": 0.4650203188496405,
+      "step": 17000
+    },
+    {
+      "epoch": 13.3,
+      "learning_rate": 8.734772896500373e-05,
+      "loss": 0.2279,
+      "step": 18000
+    },
+    {
+      "epoch": 13.3,
+      "eval_loss": 0.38019847869873047,
+      "eval_runtime": 177.0444,
+      "eval_samples_per_second": 17.097,
+      "eval_steps_per_second": 0.537,
+      "eval_wer": 0.45339168490153176,
+      "step": 18000
+    },
+    {
+      "epoch": 14.04,
+      "learning_rate": 8.660387192851825e-05,
+      "loss": 0.2247,
+      "step": 19000
+    },
+    {
+      "epoch": 14.04,
+      "eval_loss": 0.3687661588191986,
+      "eval_runtime": 197.8618,
+      "eval_samples_per_second": 15.299,
+      "eval_steps_per_second": 0.48,
+      "eval_wer": 0.4567677399187246,
+      "step": 19000
+    },
+    {
+      "epoch": 14.78,
+      "learning_rate": 8.585927029039465e-05,
+      "loss": 0.2139,
+      "step": 20000
+    },
+    {
+      "epoch": 14.78,
+      "eval_loss": 0.3616667091846466,
+      "eval_runtime": 177.8968,
+      "eval_samples_per_second": 17.015,
+      "eval_steps_per_second": 0.534,
+      "eval_wer": 0.446639574867146,
+      "step": 20000
+    },
+    {
+      "epoch": 15.52,
+      "learning_rate": 8.511541325390916e-05,
+      "loss": 0.2072,
+      "step": 21000
+    },
+    {
+      "epoch": 15.52,
+      "eval_loss": 0.4171736538410187,
+      "eval_runtime": 171.8647,
+      "eval_samples_per_second": 17.613,
+      "eval_steps_per_second": 0.553,
+      "eval_wer": 0.45883088465145355,
+      "step": 21000
+    },
+    {
+      "epoch": 16.26,
+      "learning_rate": 8.437081161578556e-05,
+      "loss": 0.1999,
+      "step": 22000
+    },
+    {
+      "epoch": 16.26,
+      "eval_loss": 0.7755644917488098,
+      "eval_runtime": 171.1132,
+      "eval_samples_per_second": 17.69,
+      "eval_steps_per_second": 0.555,
+      "eval_wer": 0.45126602063144733,
+      "step": 22000
+    },
+    {
+      "epoch": 17.0,
+      "learning_rate": 8.362695457930007e-05,
+      "loss": 0.1958,
+      "step": 23000
+    },
+    {
+      "epoch": 17.0,
+      "eval_loss": 0.41745948791503906,
+      "eval_runtime": 172.9131,
+      "eval_samples_per_second": 17.506,
+      "eval_steps_per_second": 0.549,
+      "eval_wer": 0.44382619568615195,
+      "step": 23000
+    },
+    {
+      "epoch": 17.74,
+      "learning_rate": 8.288235294117647e-05,
+      "loss": 0.1866,
+      "step": 24000
+    },
+    {
+      "epoch": 17.74,
+      "eval_loss": 0.4865190386772156,
+      "eval_runtime": 173.9742,
+      "eval_samples_per_second": 17.399,
+      "eval_steps_per_second": 0.546,
+      "eval_wer": 0.45401688027508597,
+      "step": 24000
+    },
+    {
+      "epoch": 18.48,
+      "learning_rate": 8.213924050632912e-05,
+      "loss": 0.1854,
+      "step": 25000
+    },
+    {
+      "epoch": 18.48,
+      "eval_loss": 0.5420244336128235,
+      "eval_runtime": 175.6968,
+      "eval_samples_per_second": 17.229,
+      "eval_steps_per_second": 0.541,
+      "eval_wer": 0.4475148483901219,
+      "step": 25000
+    },
+    {
+      "epoch": 19.22,
+      "learning_rate": 8.139463886820552e-05,
+      "loss": 0.1777,
+      "step": 26000
+    },
+    {
+      "epoch": 19.22,
+      "eval_loss": 0.4428083300590515,
+      "eval_runtime": 174.8946,
+      "eval_samples_per_second": 17.308,
+      "eval_steps_per_second": 0.543,
+      "eval_wer": 0.4501406689590497,
+      "step": 26000
+    },
+    {
+      "epoch": 19.96,
+      "learning_rate": 8.065003723008191e-05,
+      "loss": 0.1764,
+      "step": 27000
+    },
+    {
+      "epoch": 19.96,
+      "eval_loss": 0.44021618366241455,
+      "eval_runtime": 174.1095,
+      "eval_samples_per_second": 17.386,
+      "eval_steps_per_second": 0.546,
+      "eval_wer": 0.44307596123788684,
+      "step": 27000
+    },
+    {
+      "epoch": 20.69,
+      "learning_rate": 7.990543559195831e-05,
+      "loss": 0.1698,
+      "step": 28000
+    },
+    {
+      "epoch": 20.69,
+      "eval_loss": 0.48001521825790405,
+      "eval_runtime": 173.9598,
+      "eval_samples_per_second": 17.401,
+      "eval_steps_per_second": 0.546,
+      "eval_wer": 0.4456392622694592,
+      "step": 28000
+    },
+    {
+      "epoch": 21.43,
+      "learning_rate": 7.91608339538347e-05,
+      "loss": 0.1625,
+      "step": 29000
+    },
+    {
+      "epoch": 21.43,
+      "eval_loss": 0.4736146628856659,
+      "eval_runtime": 173.7886,
+      "eval_samples_per_second": 17.418,
+      "eval_steps_per_second": 0.547,
+      "eval_wer": 0.44676461394185685,
+      "step": 29000
+    },
+    {
+      "epoch": 22.17,
+      "learning_rate": 7.841697691734922e-05,
+      "loss": 0.1611,
+      "step": 30000
+    },
+    {
+      "epoch": 22.17,
+      "eval_loss": 0.4669973850250244,
+      "eval_runtime": 174.8827,
+      "eval_samples_per_second": 17.309,
+      "eval_steps_per_second": 0.543,
+      "eval_wer": 0.43813691778680836,
+      "step": 30000
+    },
+    {
+      "epoch": 22.91,
+      "learning_rate": 7.767237527922562e-05,
+      "loss": 0.1557,
+      "step": 31000
+    },
+    {
+      "epoch": 22.91,
+      "eval_loss": 0.49789130687713623,
+      "eval_runtime": 176.2993,
+      "eval_samples_per_second": 17.17,
+      "eval_steps_per_second": 0.539,
+      "eval_wer": 0.4390121913097843,
+      "step": 31000
+    },
+    {
+      "epoch": 23.65,
+      "learning_rate": 7.692851824274014e-05,
+      "loss": 0.1531,
+      "step": 32000
+    },
+    {
+      "epoch": 23.65,
+      "eval_loss": 0.49486255645751953,
+      "eval_runtime": 178.461,
+      "eval_samples_per_second": 16.962,
+      "eval_steps_per_second": 0.532,
+      "eval_wer": 0.4311347296030009,
+      "step": 32000
+    },
+    {
+      "epoch": 24.39,
+      "learning_rate": 7.618391660461653e-05,
+      "loss": 0.1485,
+      "step": 33000
+    },
+    {
+      "epoch": 24.39,
+      "eval_loss": 0.5052071809768677,
+      "eval_runtime": 197.1526,
+      "eval_samples_per_second": 15.354,
+      "eval_steps_per_second": 0.482,
+      "eval_wer": 0.43432322600812756,
+      "step": 33000
+    },
+    {
+      "epoch": 25.13,
+      "learning_rate": 7.543931496649293e-05,
+      "loss": 0.149,
+      "step": 34000
+    },
+    {
+      "epoch": 25.13,
+      "eval_loss": 0.4628446400165558,
+      "eval_runtime": 191.152,
+      "eval_samples_per_second": 15.836,
+      "eval_steps_per_second": 0.497,
+      "eval_wer": 0.42638324476398876,
+      "step": 34000
+    },
+    {
+      "epoch": 25.87,
+      "learning_rate": 7.469545793000745e-05,
+      "loss": 0.1439,
+      "step": 35000
+    },
+    {
+      "epoch": 25.87,
+      "eval_loss": 0.4972988963127136,
+      "eval_runtime": 199.2887,
+      "eval_samples_per_second": 15.189,
+      "eval_steps_per_second": 0.477,
+      "eval_wer": 0.4331353547983745,
+      "step": 35000
+    },
+    {
+      "epoch": 26.61,
+      "learning_rate": 7.395160089352196e-05,
+      "loss": 0.14,
+      "step": 36000
+    },
+    {
+      "epoch": 26.61,
+      "eval_loss": 0.5113205313682556,
+      "eval_runtime": 177.8533,
+      "eval_samples_per_second": 17.02,
+      "eval_steps_per_second": 0.534,
+      "eval_wer": 0.4366364488902782,
+      "step": 36000
+    },
+    {
+      "epoch": 27.35,
+      "learning_rate": 7.320699925539837e-05,
+      "loss": 0.1373,
+      "step": 37000
+    },
+    {
+      "epoch": 27.35,
+      "eval_loss": 0.5227766036987305,
+      "eval_runtime": 197.1721,
+      "eval_samples_per_second": 15.352,
+      "eval_steps_per_second": 0.482,
+      "eval_wer": 0.4340731478587058,
+      "step": 37000
+    },
+    {
+      "epoch": 28.09,
+      "learning_rate": 7.246239761727476e-05,
+      "loss": 0.134,
+      "step": 38000
+    },
+    {
+      "epoch": 28.09,
+      "eval_loss": 0.5289518237113953,
+      "eval_runtime": 186.9942,
+      "eval_samples_per_second": 16.188,
+      "eval_steps_per_second": 0.508,
+      "eval_wer": 0.42744607689903097,
+      "step": 38000
+    },
+    {
+      "epoch": 28.82,
+      "learning_rate": 7.171779597915115e-05,
+      "loss": 0.1309,
+      "step": 39000
+    },
+    {
+      "epoch": 28.82,
+      "eval_loss": 0.5079456567764282,
+      "eval_runtime": 177.9839,
+      "eval_samples_per_second": 17.007,
+      "eval_steps_per_second": 0.534,
+      "eval_wer": 0.4363238512035011,
+      "step": 39000
+    },
+    {
+      "epoch": 29.56,
+      "learning_rate": 7.097319434102755e-05,
+      "loss": 0.129,
+      "step": 40000
+    },
+    {
+      "epoch": 29.56,
+      "eval_loss": 0.5366144776344299,
+      "eval_runtime": 174.4769,
+      "eval_samples_per_second": 17.349,
+      "eval_steps_per_second": 0.544,
+      "eval_wer": 0.4248202563301032,
+      "step": 40000
+    },
+    {
+      "epoch": 30.3,
+      "learning_rate": 7.02300819061802e-05,
+      "loss": 0.126,
+      "step": 41000
+    },
+    {
+      "epoch": 30.3,
+      "eval_loss": 0.5051801204681396,
+      "eval_runtime": 174.1717,
+      "eval_samples_per_second": 17.379,
+      "eval_steps_per_second": 0.545,
+      "eval_wer": 0.42275711159737417,
+      "step": 41000
+    },
+    {
+      "epoch": 31.04,
+      "learning_rate": 6.94854802680566e-05,
+      "loss": 0.1255,
+      "step": 42000
+    },
+    {
+      "epoch": 31.04,
+      "eval_loss": 0.5653140544891357,
+      "eval_runtime": 175.3338,
+      "eval_samples_per_second": 17.264,
+      "eval_steps_per_second": 0.542,
+      "eval_wer": 0.43063457330415755,
+      "step": 42000
+    },
+    {
+      "epoch": 31.78,
+      "learning_rate": 6.874087862993299e-05,
+      "loss": 0.122,
+      "step": 43000
+    },
+    {
+      "epoch": 31.78,
+      "eval_loss": 0.5453576445579529,
+      "eval_runtime": 176.4408,
+      "eval_samples_per_second": 17.156,
+      "eval_steps_per_second": 0.538,
+      "eval_wer": 0.42800875273522976,
+      "step": 43000
+    },
+    {
+      "epoch": 32.52,
+      "learning_rate": 6.799627699180938e-05,
+      "loss": 0.1191,
+      "step": 44000
+    },
+    {
+      "epoch": 32.52,
+      "eval_loss": 0.6267871260643005,
+      "eval_runtime": 172.551,
+      "eval_samples_per_second": 17.543,
+      "eval_steps_per_second": 0.551,
+      "eval_wer": 0.42400750234448265,
+      "step": 44000
+    },
+    {
+      "epoch": 33.26,
+      "learning_rate": 6.725167535368579e-05,
+      "loss": 0.1151,
+      "step": 45000
+    },
+    {
+      "epoch": 33.26,
+      "eval_loss": 0.5381397008895874,
+      "eval_runtime": 174.0505,
+      "eval_samples_per_second": 17.392,
+      "eval_steps_per_second": 0.546,
+      "eval_wer": 0.4221944357611754,
+      "step": 45000
+    },
+    {
+      "epoch": 34.0,
+      "learning_rate": 6.650707371556217e-05,
+      "loss": 0.115,
+      "step": 46000
+    },
+    {
+      "epoch": 34.0,
+      "eval_loss": 0.5648242235183716,
+      "eval_runtime": 174.2088,
+      "eval_samples_per_second": 17.376,
+      "eval_steps_per_second": 0.545,
+      "eval_wer": 0.4198812128790247,
+      "step": 46000
+    },
+    {
+      "epoch": 34.74,
+      "learning_rate": 6.576247207743858e-05,
+      "loss": 0.1124,
+      "step": 47000
+    },
+    {
+      "epoch": 34.74,
+      "eval_loss": 0.613673985004425,
+      "eval_runtime": 193.9522,
+      "eval_samples_per_second": 15.607,
+      "eval_steps_per_second": 0.49,
+      "eval_wer": 0.4295092216317599,
+      "step": 47000
+    },
+    {
+      "epoch": 35.48,
+      "learning_rate": 6.50186150409531e-05,
+      "loss": 0.1101,
+      "step": 48000
+    },
+    {
+      "epoch": 35.48,
+      "eval_loss": 0.5470528602600098,
+      "eval_runtime": 193.2438,
+      "eval_samples_per_second": 15.664,
+      "eval_steps_per_second": 0.492,
+      "eval_wer": 0.42206939668646454,
+      "step": 48000
+    },
+    {
+      "epoch": 36.22,
+      "learning_rate": 6.427475800446761e-05,
+      "loss": 0.1061,
+      "step": 49000
+    },
+    {
+      "epoch": 36.22,
+      "eval_loss": 0.5942440032958984,
+      "eval_runtime": 200.9573,
+      "eval_samples_per_second": 15.063,
+      "eval_steps_per_second": 0.473,
+      "eval_wer": 0.4258205689277899,
+      "step": 49000
+    },
+    {
+      "epoch": 36.95,
+      "learning_rate": 6.353015636634401e-05,
+      "loss": 0.1065,
+      "step": 50000
+    },
+    {
+      "epoch": 36.95,
+      "eval_loss": 0.5583751201629639,
+      "eval_runtime": 178.0909,
+      "eval_samples_per_second": 16.997,
+      "eval_steps_per_second": 0.533,
+      "eval_wer": 0.4255704907783682,
+      "step": 50000
+    },
+    {
+      "epoch": 37.69,
+      "learning_rate": 6.27855547282204e-05,
+      "loss": 0.1043,
+      "step": 51000
+    },
+    {
+      "epoch": 37.69,
+      "eval_loss": 0.7426488399505615,
+      "eval_runtime": 188.9691,
+      "eval_samples_per_second": 16.018,
+      "eval_steps_per_second": 0.503,
+      "eval_wer": 0.4210065645514223,
+      "step": 51000
+    },
+    {
+      "epoch": 38.43,
+      "learning_rate": 6.204169769173492e-05,
+      "loss": 0.103,
+      "step": 52000
+    },
+    {
+      "epoch": 38.43,
+      "eval_loss": 0.7028630375862122,
+      "eval_runtime": 182.3453,
+      "eval_samples_per_second": 16.6,
+      "eval_steps_per_second": 0.521,
+      "eval_wer": 0.42338230697092843,
+      "step": 52000
+    },
+    {
+      "epoch": 39.17,
+      "learning_rate": 6.129709605361132e-05,
+      "loss": 0.1016,
+      "step": 53000
+    },
+    {
+      "epoch": 39.17,
+      "eval_loss": 0.644480288028717,
+      "eval_runtime": 172.8589,
+      "eval_samples_per_second": 17.511,
+      "eval_steps_per_second": 0.55,
+      "eval_wer": 0.42319474835886217,
+      "step": 53000
+    },
+    {
+      "epoch": 39.91,
+      "learning_rate": 6.055323901712584e-05,
+      "loss": 0.0977,
+      "step": 54000
+    },
+    {
+      "epoch": 39.91,
+      "eval_loss": 0.6561093926429749,
+      "eval_runtime": 174.7926,
+      "eval_samples_per_second": 17.318,
+      "eval_steps_per_second": 0.544,
+      "eval_wer": 0.41394185683025947,
+      "step": 54000
+    },
+    {
+      "epoch": 40.65,
+      "learning_rate": 5.980863737900224e-05,
+      "loss": 0.097,
+      "step": 55000
+    },
+    {
+      "epoch": 40.65,
+      "eval_loss": 0.6229739785194397,
+      "eval_runtime": 176.8753,
+      "eval_samples_per_second": 17.114,
+      "eval_steps_per_second": 0.537,
+      "eval_wer": 0.41450453266645826,
+      "step": 55000
+    },
+    {
+      "epoch": 41.39,
+      "learning_rate": 5.9064780342516755e-05,
+      "loss": 0.0963,
+      "step": 56000
+    },
+    {
+      "epoch": 41.39,
+      "eval_loss": 0.5873845219612122,
+      "eval_runtime": 175.9014,
+      "eval_samples_per_second": 17.209,
+      "eval_steps_per_second": 0.54,
+      "eval_wer": 0.41713035323538605,
+      "step": 56000
+    },
+    {
+      "epoch": 42.13,
+      "learning_rate": 5.832017870439316e-05,
+      "loss": 0.0943,
+      "step": 57000
+    },
+    {
+      "epoch": 42.13,
+      "eval_loss": 0.5930323600769043,
+      "eval_runtime": 174.9181,
+      "eval_samples_per_second": 17.305,
+      "eval_steps_per_second": 0.543,
+      "eval_wer": 0.418005626758362,
+      "step": 57000
+    },
+    {
+      "epoch": 42.87,
+      "learning_rate": 5.757557706626955e-05,
+      "loss": 0.093,
+      "step": 58000
+    },
+    {
+      "epoch": 42.87,
+      "eval_loss": 0.6292551755905151,
+      "eval_runtime": 175.0843,
+      "eval_samples_per_second": 17.289,
+      "eval_steps_per_second": 0.543,
+      "eval_wer": 0.4175054704595186,
+      "step": 58000
+    },
+    {
+      "epoch": 43.61,
+      "learning_rate": 5.683097542814595e-05,
+      "loss": 0.0896,
+      "step": 59000
+    },
+    {
+      "epoch": 43.61,
+      "eval_loss": 0.6171667575836182,
+      "eval_runtime": 175.3688,
+      "eval_samples_per_second": 17.261,
+      "eval_steps_per_second": 0.542,
+      "eval_wer": 0.41319162238199436,
+      "step": 59000
+    },
+    {
+      "epoch": 44.35,
+      "learning_rate": 5.608637379002234e-05,
+      "loss": 0.0911,
+      "step": 60000
+    },
+    {
+      "epoch": 44.35,
+      "eval_loss": 0.6143432259559631,
+      "eval_runtime": 178.3103,
+      "eval_samples_per_second": 16.976,
+      "eval_steps_per_second": 0.533,
+      "eval_wer": 0.4172553923100969,
+      "step": 60000
+    },
+    {
+      "epoch": 45.08,
+      "learning_rate": 5.534326135517498e-05,
+      "loss": 0.0885,
+      "step": 61000
+    },
+    {
+      "epoch": 45.08,
+      "eval_loss": 0.6145235300064087,
+      "eval_runtime": 191.9563,
+      "eval_samples_per_second": 15.769,
+      "eval_steps_per_second": 0.495,
+      "eval_wer": 0.4133166614567052,
+      "step": 61000
+    },
+    {
+      "epoch": 45.82,
+      "learning_rate": 5.459865971705138e-05,
+      "loss": 0.0872,
+      "step": 62000
+    },
+    {
+      "epoch": 45.82,
+      "eval_loss": 0.8499487638473511,
+      "eval_runtime": 177.455,
+      "eval_samples_per_second": 17.058,
+      "eval_steps_per_second": 0.535,
+      "eval_wer": 0.41187871209753046,
+      "step": 62000
+    },
+    {
+      "epoch": 46.56,
+      "learning_rate": 5.385405807892777e-05,
+      "loss": 0.0883,
+      "step": 63000
+    },
+    {
+      "epoch": 46.56,
+      "eval_loss": 0.7073235511779785,
+      "eval_runtime": 199.205,
+      "eval_samples_per_second": 15.195,
+      "eval_steps_per_second": 0.477,
+      "eval_wer": 0.4190684588934042,
+      "step": 63000
+    },
+    {
+      "epoch": 47.3,
+      "learning_rate": 5.3109456440804175e-05,
+      "loss": 0.0844,
+      "step": 64000
+    },
+    {
+      "epoch": 47.3,
+      "eval_loss": 0.6707965135574341,
+      "eval_runtime": 203.0283,
+      "eval_samples_per_second": 14.909,
+      "eval_steps_per_second": 0.468,
+      "eval_wer": 0.4145670522038137,
+      "step": 64000
+    },
+    {
+      "epoch": 48.04,
+      "learning_rate": 5.2365599404318685e-05,
+      "loss": 0.0851,
+      "step": 65000
+    },
+    {
+      "epoch": 48.04,
+      "eval_loss": 0.6518837213516235,
+      "eval_runtime": 184.8621,
+      "eval_samples_per_second": 16.374,
+      "eval_steps_per_second": 0.514,
+      "eval_wer": 0.4101281650515786,
+      "step": 65000
+    },
+    {
+      "epoch": 48.78,
+      "learning_rate": 5.162099776619509e-05,
+      "loss": 0.0832,
+      "step": 66000
+    },
+    {
+      "epoch": 48.78,
+      "eval_loss": 0.6594052910804749,
+      "eval_runtime": 196.4902,
+      "eval_samples_per_second": 15.405,
+      "eval_steps_per_second": 0.483,
+      "eval_wer": 0.41387933729290405,
+      "step": 66000
+    },
+    {
+      "epoch": 49.52,
+      "learning_rate": 5.0877140729709605e-05,
+      "loss": 0.0822,
+      "step": 67000
+    },
+    {
+      "epoch": 49.52,
+      "eval_loss": 0.653843104839325,
+      "eval_runtime": 186.7472,
+      "eval_samples_per_second": 16.209,
+      "eval_steps_per_second": 0.509,
+      "eval_wer": 0.415942482025633,
+      "step": 67000
+    },
+    {
+      "epoch": 50.26,
+      "learning_rate": 5.013253909158601e-05,
+      "loss": 0.0833,
+      "step": 68000
+    },
+    {
+      "epoch": 50.26,
+      "eval_loss": 0.6541770100593567,
+      "eval_runtime": 175.2691,
+      "eval_samples_per_second": 17.271,
+      "eval_steps_per_second": 0.542,
+      "eval_wer": 0.41844326351984995,
+      "step": 68000
+    },
+    {
+      "epoch": 51.0,
+      "learning_rate": 4.9387937453462405e-05,
+      "loss": 0.079,
+      "step": 69000
+    },
+    {
+      "epoch": 51.0,
+      "eval_loss": 0.6602481007575989,
+      "eval_runtime": 176.6295,
+      "eval_samples_per_second": 17.138,
+      "eval_steps_per_second": 0.538,
+      "eval_wer": 0.41212879024695215,
+      "step": 69000
+    },
+    {
+      "epoch": 51.74,
+      "learning_rate": 4.8644080416976914e-05,
+      "loss": 0.0768,
+      "step": 70000
+    },
+    {
+      "epoch": 51.74,
+      "eval_loss": 0.6583812832832336,
+      "eval_runtime": 175.3489,
+      "eval_samples_per_second": 17.263,
+      "eval_steps_per_second": 0.542,
+      "eval_wer": 0.41556736480150047,
+      "step": 70000
+    },
+    {
+      "epoch": 52.48,
+      "learning_rate": 4.790022338049144e-05,
+      "loss": 0.0775,
+      "step": 71000
+    },
+    {
+      "epoch": 52.48,
+      "eval_loss": 0.6354698538780212,
+      "eval_runtime": 173.883,
+      "eval_samples_per_second": 17.408,
+      "eval_steps_per_second": 0.546,
+      "eval_wer": 0.4156924038762113,
+      "step": 71000
+    },
+    {
+      "epoch": 53.22,
+      "learning_rate": 4.7155621742367834e-05,
+      "loss": 0.0762,
+      "step": 72000
+    },
+    {
+      "epoch": 53.22,
+      "eval_loss": 0.6745539307594299,
+      "eval_runtime": 174.1736,
+      "eval_samples_per_second": 17.379,
+      "eval_steps_per_second": 0.545,
+      "eval_wer": 0.40675211003438577,
+      "step": 72000
+    },
+    {
+      "epoch": 53.95,
+      "learning_rate": 4.641176470588236e-05,
+      "loss": 0.0761,
+      "step": 73000
+    },
+    {
+      "epoch": 53.95,
+      "eval_loss": 0.6509293913841248,
+      "eval_runtime": 176.7298,
+      "eval_samples_per_second": 17.128,
+      "eval_steps_per_second": 0.538,
+      "eval_wer": 0.4095029696780244,
+      "step": 73000
+    },
+    {
+      "epoch": 54.69,
+      "learning_rate": 4.566716306775875e-05,
+      "loss": 0.0742,
+      "step": 74000
+    },
+    {
+      "epoch": 54.69,
+      "eval_loss": 0.6646940112113953,
+      "eval_runtime": 177.5457,
+      "eval_samples_per_second": 17.049,
+      "eval_steps_per_second": 0.535,
+      "eval_wer": 0.41312910284463894,
+      "step": 74000
+    },
+    {
+      "epoch": 55.43,
+      "learning_rate": 4.492330603127327e-05,
+      "loss": 0.0738,
+      "step": 75000
+    },
+    {
+      "epoch": 55.43,
+      "eval_loss": 0.6746073365211487,
+      "eval_runtime": 182.277,
+      "eval_samples_per_second": 16.607,
+      "eval_steps_per_second": 0.521,
+      "eval_wer": 0.4097530478274461,
+      "step": 75000
+    },
+    {
+      "epoch": 56.17,
+      "learning_rate": 4.417870439314967e-05,
+      "loss": 0.072,
+      "step": 76000
+    },
+    {
+      "epoch": 56.17,
+      "eval_loss": 0.6681593060493469,
+      "eval_runtime": 189.5798,
+      "eval_samples_per_second": 15.967,
+      "eval_steps_per_second": 0.501,
+      "eval_wer": 0.41081587996248825,
+      "step": 76000
+    },
+    {
+      "epoch": 56.91,
+      "learning_rate": 4.3434102755026064e-05,
+      "loss": 0.0715,
+      "step": 77000
+    },
+    {
+      "epoch": 56.91,
+      "eval_loss": 0.6641326546669006,
+      "eval_runtime": 199.1459,
+      "eval_samples_per_second": 15.2,
+      "eval_steps_per_second": 0.477,
+      "eval_wer": 0.4114410753360425,
+      "step": 77000
+    },
+    {
+      "epoch": 57.65,
+      "learning_rate": 4.2690245718540587e-05,
+      "loss": 0.0717,
+      "step": 78000
+    },
+    {
+      "epoch": 57.65,
+      "eval_loss": 0.6959729790687561,
+      "eval_runtime": 198.8176,
+      "eval_samples_per_second": 15.225,
+      "eval_steps_per_second": 0.478,
+      "eval_wer": 0.41106595811191,
+      "step": 78000
+    },
+    {
+      "epoch": 58.39,
+      "learning_rate": 4.194564408041698e-05,
+      "loss": 0.0711,
+      "step": 79000
+    },
+    {
+      "epoch": 58.39,
+      "eval_loss": 0.663927435874939,
+      "eval_runtime": 201.2001,
+      "eval_samples_per_second": 15.045,
+      "eval_steps_per_second": 0.472,
+      "eval_wer": 0.4081900593935605,
+      "step": 79000
+    },
+    {
+      "epoch": 59.13,
+      "learning_rate": 4.1201042442293374e-05,
+      "loss": 0.0706,
+      "step": 80000
+    },
+    {
+      "epoch": 59.13,
+      "eval_loss": 0.6455733180046082,
+      "eval_runtime": 180.6704,
+      "eval_samples_per_second": 16.754,
+      "eval_steps_per_second": 0.526,
+      "eval_wer": 0.41156611441075336,
+      "step": 80000
+    },
+    {
+      "epoch": 59.87,
+      "learning_rate": 4.045644080416977e-05,
+      "loss": 0.0685,
+      "step": 81000
+    },
+    {
+      "epoch": 59.87,
+      "eval_loss": 0.6929445862770081,
+      "eval_runtime": 176.1838,
+      "eval_samples_per_second": 17.181,
+      "eval_steps_per_second": 0.539,
+      "eval_wer": 0.4169427946233198,
+      "step": 81000
+    },
+    {
+      "epoch": 60.61,
+      "learning_rate": 3.971258376768429e-05,
+      "loss": 0.0666,
+      "step": 82000
+    },
+    {
+      "epoch": 60.61,
+      "eval_loss": 0.6526830792427063,
+      "eval_runtime": 175.1162,
+      "eval_samples_per_second": 17.286,
+      "eval_steps_per_second": 0.542,
+      "eval_wer": 0.40987808690215694,
+      "step": 82000
+    },
+    {
+      "epoch": 61.35,
+      "learning_rate": 3.896798212956069e-05,
+      "loss": 0.0677,
+      "step": 83000
+    },
+    {
+      "epoch": 61.35,
+      "eval_loss": 0.708766758441925,
+      "eval_runtime": 174.527,
+      "eval_samples_per_second": 17.344,
+      "eval_steps_per_second": 0.544,
+      "eval_wer": 0.4113785557986871,
+      "step": 83000
+    },
+    {
+      "epoch": 62.08,
+      "learning_rate": 3.822338049143708e-05,
+      "loss": 0.0667,
+      "step": 84000
+    },
+    {
+      "epoch": 62.08,
+      "eval_loss": 0.6928330063819885,
+      "eval_runtime": 178.7497,
+      "eval_samples_per_second": 16.934,
+      "eval_steps_per_second": 0.531,
+      "eval_wer": 0.4085026570803376,
+      "step": 84000
+    },
+    {
+      "epoch": 62.82,
+      "learning_rate": 3.74795234549516e-05,
+      "loss": 0.065,
+      "step": 85000
+    },
+    {
+      "epoch": 62.82,
+      "eval_loss": 0.7296735048294067,
+      "eval_runtime": 174.5663,
+      "eval_samples_per_second": 17.34,
+      "eval_steps_per_second": 0.544,
+      "eval_wer": 0.40962800875273525,
+      "step": 85000
+    },
+    {
+      "epoch": 63.56,
+      "learning_rate": 3.6734921816828e-05,
+      "loss": 0.0655,
+      "step": 86000
+    },
+    {
+      "epoch": 63.56,
+      "eval_loss": 0.7482656836509705,
+      "eval_runtime": 173.9987,
+      "eval_samples_per_second": 17.397,
+      "eval_steps_per_second": 0.546,
+      "eval_wer": 0.4106908408877774,
+      "step": 86000
+    },
+    {
+      "epoch": 64.3,
+      "learning_rate": 3.59903201787044e-05,
+      "loss": 0.0636,
+      "step": 87000
+    },
+    {
+      "epoch": 64.3,
+      "eval_loss": 0.7502027750015259,
+      "eval_runtime": 172.4262,
+      "eval_samples_per_second": 17.555,
+      "eval_steps_per_second": 0.551,
+      "eval_wer": 0.41875586120662706,
+      "step": 87000
+    },
+    {
+      "epoch": 65.04,
+      "learning_rate": 3.5245718540580794e-05,
+      "loss": 0.0645,
+      "step": 88000
+    },
+    {
+      "epoch": 65.04,
+      "eval_loss": 0.7395268678665161,
+      "eval_runtime": 172.5532,
+      "eval_samples_per_second": 17.542,
+      "eval_steps_per_second": 0.551,
+      "eval_wer": 0.40793998124413877,
+      "step": 88000
+    },
+    {
+      "epoch": 65.78,
+      "learning_rate": 3.450186150409531e-05,
+      "loss": 0.0628,
+      "step": 89000
+    },
+    {
+      "epoch": 65.78,
+      "eval_loss": 0.6981734037399292,
+      "eval_runtime": 186.2785,
+      "eval_samples_per_second": 16.25,
+      "eval_steps_per_second": 0.51,
+      "eval_wer": 0.4075023444826508,
+      "step": 89000
+    },
+    {
+      "epoch": 66.52,
+      "learning_rate": 3.375725986597171e-05,
+      "loss": 0.0618,
+      "step": 90000
+    },
+    {
+      "epoch": 66.52,
+      "eval_loss": 0.7291818261146545,
+      "eval_runtime": 195.0277,
+      "eval_samples_per_second": 15.521,
+      "eval_steps_per_second": 0.487,
+      "eval_wer": 0.4113160362613317,
+      "step": 90000
+    },
+    {
+      "epoch": 67.26,
+      "learning_rate": 3.301340282948623e-05,
+      "loss": 0.0612,
+      "step": 91000
+    },
+    {
+      "epoch": 67.26,
+      "eval_loss": 0.7428854703903198,
+      "eval_runtime": 201.9566,
+      "eval_samples_per_second": 14.988,
+      "eval_steps_per_second": 0.47,
+      "eval_wer": 0.40994060643951236,
+      "step": 91000
+    },
+    {
+      "epoch": 68.0,
+      "learning_rate": 3.2269545793000746e-05,
+      "loss": 0.0613,
+      "step": 92000
+    },
+    {
+      "epoch": 68.0,
+      "eval_loss": 0.7314553260803223,
+      "eval_runtime": 181.5248,
+      "eval_samples_per_second": 16.675,
+      "eval_steps_per_second": 0.523,
+      "eval_wer": 0.41150359487339794,
+      "step": 92000
+    },
+    {
+      "epoch": 68.74,
+      "learning_rate": 3.152494415487714e-05,
+      "loss": 0.0607,
+      "step": 93000
+    },
+    {
+      "epoch": 68.74,
+      "eval_loss": 0.7307026386260986,
+      "eval_runtime": 263.2133,
+      "eval_samples_per_second": 11.5,
+      "eval_steps_per_second": 0.361,
+      "eval_wer": 0.40725226633322914,
+      "step": 93000
+    },
+    {
+      "epoch": 69.48,
+      "learning_rate": 3.078034251675354e-05,
+      "loss": 0.0597,
+      "step": 94000
+    },
+    {
+      "epoch": 69.48,
+      "eval_loss": 0.6700393557548523,
+      "eval_runtime": 261.1836,
+      "eval_samples_per_second": 11.59,
+      "eval_steps_per_second": 0.364,
+      "eval_wer": 0.40206314473272897,
+      "step": 94000
+    },
+    {
+      "epoch": 70.21,
+      "learning_rate": 3.0035740878629936e-05,
+      "loss": 0.0586,
+      "step": 95000
+    },
+    {
+      "epoch": 70.21,
+      "eval_loss": 0.7129278779029846,
+      "eval_runtime": 174.8869,
+      "eval_samples_per_second": 17.308,
+      "eval_steps_per_second": 0.543,
+      "eval_wer": 0.40737730540794,
+      "step": 95000
+    },
+    {
+      "epoch": 70.95,
+      "learning_rate": 2.9291883842144452e-05,
+      "loss": 0.0585,
+      "step": 96000
+    },
+    {
+      "epoch": 70.95,
+      "eval_loss": 0.7538037896156311,
+      "eval_runtime": 175.7698,
+      "eval_samples_per_second": 17.221,
+      "eval_steps_per_second": 0.54,
+      "eval_wer": 0.4142544545170366,
+      "step": 96000
+    },
+    {
+      "epoch": 71.69,
+      "learning_rate": 2.8547282204020846e-05,
+      "loss": 0.0573,
+      "step": 97000
+    },
+    {
+      "epoch": 71.69,
+      "eval_loss": 0.703994631767273,
+      "eval_runtime": 176.9961,
+      "eval_samples_per_second": 17.102,
+      "eval_steps_per_second": 0.537,
+      "eval_wer": 0.40487652391372303,
+      "step": 97000
+    },
+    {
+      "epoch": 72.43,
+      "learning_rate": 2.780342516753537e-05,
+      "loss": 0.0575,
+      "step": 98000
+    },
+    {
+      "epoch": 72.43,
+      "eval_loss": 0.7418561577796936,
+      "eval_runtime": 177.6888,
+      "eval_samples_per_second": 17.035,
+      "eval_steps_per_second": 0.535,
+      "eval_wer": 0.4070647077211629,
+      "step": 98000
+    },
+    {
+      "epoch": 73.17,
+      "learning_rate": 2.7058823529411766e-05,
+      "loss": 0.0567,
+      "step": 99000
+    },
+    {
+      "epoch": 73.17,
+      "eval_loss": 0.7433472871780396,
+      "eval_runtime": 175.8142,
+      "eval_samples_per_second": 17.217,
+      "eval_steps_per_second": 0.54,
+      "eval_wer": 0.4093154110659581,
+      "step": 99000
+    },
+    {
+      "epoch": 73.91,
+      "learning_rate": 2.631422189128816e-05,
+      "loss": 0.054,
+      "step": 100000
+    },
+    {
+      "epoch": 73.91,
+      "eval_loss": 0.6921048760414124,
+      "eval_runtime": 180.3464,
+      "eval_samples_per_second": 16.784,
+      "eval_steps_per_second": 0.527,
+      "eval_wer": 0.40256330103157234,
+      "step": 100000
+    },
+    {
+      "epoch": 74.65,
+      "learning_rate": 2.5570364854802682e-05,
+      "loss": 0.0571,
+      "step": 101000
+    },
+    {
+      "epoch": 74.65,
+      "eval_loss": 0.7526727318763733,
+      "eval_runtime": 176.5656,
+      "eval_samples_per_second": 17.144,
+      "eval_steps_per_second": 0.538,
+      "eval_wer": 0.4104407627383557,
+      "step": 101000
+    },
+    {
+      "epoch": 75.39,
+      "learning_rate": 2.48265078183172e-05,
+      "loss": 0.0532,
+      "step": 102000
+    },
+    {
+      "epoch": 75.39,
+      "eval_loss": 0.717917263507843,
+      "eval_runtime": 180.7508,
+      "eval_samples_per_second": 16.747,
+      "eval_steps_per_second": 0.526,
+      "eval_wer": 0.40693966864645204,
+      "step": 102000
+    },
+    {
+      "epoch": 76.13,
+      "learning_rate": 2.40819061801936e-05,
+      "loss": 0.0549,
+      "step": 103000
+    },
+    {
+      "epoch": 76.13,
+      "eval_loss": 0.7699146866798401,
+      "eval_runtime": 199.8758,
+      "eval_samples_per_second": 15.144,
+      "eval_steps_per_second": 0.475,
+      "eval_wer": 0.4080650203188496,
+      "step": 103000
+    },
+    {
+      "epoch": 76.87,
+      "learning_rate": 2.3338049143708118e-05,
+      "loss": 0.0533,
+      "step": 104000
+    },
+    {
+      "epoch": 76.87,
+      "eval_loss": 0.7196021676063538,
+      "eval_runtime": 186.8201,
+      "eval_samples_per_second": 16.203,
+      "eval_steps_per_second": 0.509,
+      "eval_wer": 0.4058143169740544,
+      "step": 104000
+    },
+    {
+      "epoch": 77.61,
+      "learning_rate": 2.2593447505584515e-05,
+      "loss": 0.0538,
+      "step": 105000
+    },
+    {
+      "epoch": 77.61,
+      "eval_loss": 0.7532729506492615,
+      "eval_runtime": 186.7527,
+      "eval_samples_per_second": 16.209,
+      "eval_steps_per_second": 0.509,
+      "eval_wer": 0.4068146295717412,
+      "step": 105000
+    },
+    {
+      "epoch": 78.34,
+      "learning_rate": 2.1848845867460908e-05,
+      "loss": 0.0533,
+      "step": 106000
+    },
+    {
+      "epoch": 78.34,
+      "eval_loss": 0.7514676451683044,
+      "eval_runtime": 203.9001,
+      "eval_samples_per_second": 14.846,
+      "eval_steps_per_second": 0.466,
+      "eval_wer": 0.40762738355736167,
+      "step": 106000
+    },
+    {
+      "epoch": 79.08,
+      "learning_rate": 2.1104244229337305e-05,
+      "loss": 0.0517,
+      "step": 107000
+    },
+    {
+      "epoch": 79.08,
+      "eval_loss": 0.766864001750946,
+      "eval_runtime": 183.9434,
+      "eval_samples_per_second": 16.456,
+      "eval_steps_per_second": 0.516,
+      "eval_wer": 0.4061894341981869,
+      "step": 107000
+    },
+    {
+      "epoch": 79.82,
+      "learning_rate": 2.0359642591213702e-05,
+      "loss": 0.0521,
+      "step": 108000
+    },
+    {
+      "epoch": 79.82,
+      "eval_loss": 0.7399023771286011,
+      "eval_runtime": 175.691,
+      "eval_samples_per_second": 17.229,
+      "eval_steps_per_second": 0.541,
+      "eval_wer": 0.4015004688965302,
+      "step": 108000
+    },
+    {
+      "epoch": 80.56,
+      "learning_rate": 1.961578555472822e-05,
+      "loss": 0.0525,
+      "step": 109000
+    },
+    {
+      "epoch": 80.56,
+      "eval_loss": 0.7517969608306885,
+      "eval_runtime": 185.511,
+      "eval_samples_per_second": 16.317,
+      "eval_steps_per_second": 0.512,
+      "eval_wer": 0.4044388871522351,
+      "step": 109000
+    },
+    {
+      "epoch": 81.3,
+      "learning_rate": 1.887118391660462e-05,
+      "loss": 0.0505,
+      "step": 110000
+    },
+    {
+      "epoch": 81.3,
+      "eval_loss": 0.7839346528053284,
+      "eval_runtime": 181.6126,
+      "eval_samples_per_second": 16.667,
+      "eval_steps_per_second": 0.523,
+      "eval_wer": 0.4077524226320725,
+      "step": 110000
+    },
+    {
+      "epoch": 82.04,
+      "learning_rate": 1.8126582278481012e-05,
+      "loss": 0.0508,
+      "step": 111000
+    },
+    {
+      "epoch": 82.04,
+      "eval_loss": 0.7692478895187378,
+      "eval_runtime": 182.2532,
+      "eval_samples_per_second": 16.609,
+      "eval_steps_per_second": 0.521,
+      "eval_wer": 0.4070647077211629,
+      "step": 111000
+    },
+    {
+      "epoch": 82.78,
+      "learning_rate": 1.7383469843633657e-05,
+      "loss": 0.0496,
+      "step": 112000
+    },
+    {
+      "epoch": 82.78,
+      "eval_loss": 0.7821455597877502,
+      "eval_runtime": 227.3787,
+      "eval_samples_per_second": 13.313,
+      "eval_steps_per_second": 0.418,
+      "eval_wer": 0.40987808690215694,
+      "step": 112000
+    },
+    {
+      "epoch": 83.52,
+      "learning_rate": 1.663886820551005e-05,
+      "loss": 0.0493,
+      "step": 113000
+    },
+    {
+      "epoch": 83.52,
+      "eval_loss": 0.7528874278068542,
+      "eval_runtime": 217.8709,
+      "eval_samples_per_second": 13.894,
+      "eval_steps_per_second": 0.436,
+      "eval_wer": 0.4055642388246327,
+      "step": 113000
+    },
+    {
+      "epoch": 84.26,
+      "learning_rate": 1.5894266567386448e-05,
+      "loss": 0.0498,
+      "step": 114000
+    },
+    {
+      "epoch": 84.26,
+      "eval_loss": 0.7717328071594238,
+      "eval_runtime": 216.4941,
+      "eval_samples_per_second": 13.982,
+      "eval_steps_per_second": 0.439,
+      "eval_wer": 0.40493904345107845,
+      "step": 114000
+    },
+    {
+      "epoch": 85.0,
+      "learning_rate": 1.5149664929262845e-05,
+      "loss": 0.0499,
+      "step": 115000
+    },
+    {
+      "epoch": 85.0,
+      "eval_loss": 0.757793128490448,
+      "eval_runtime": 213.4299,
+      "eval_samples_per_second": 14.183,
+      "eval_steps_per_second": 0.445,
+      "eval_wer": 0.40406376992810256,
+      "step": 115000
+    },
+    {
+      "epoch": 85.74,
+      "learning_rate": 1.4405807892777364e-05,
+      "loss": 0.0485,
+      "step": 116000
+    },
+    {
+      "epoch": 85.74,
+      "eval_loss": 0.7553907632827759,
+      "eval_runtime": 181.6761,
+      "eval_samples_per_second": 16.662,
+      "eval_steps_per_second": 0.523,
+      "eval_wer": 0.4044388871522351,
+      "step": 116000
+    },
+    {
+      "epoch": 86.47,
+      "learning_rate": 1.3661206254653761e-05,
+      "loss": 0.0479,
+      "step": 117000
+    },
+    {
+      "epoch": 86.47,
+      "eval_loss": 0.8072551488876343,
+      "eval_runtime": 188.7645,
+      "eval_samples_per_second": 16.036,
+      "eval_steps_per_second": 0.503,
+      "eval_wer": 0.40625195373554235,
+      "step": 117000
+    },
+    {
+      "epoch": 87.21,
+      "learning_rate": 1.2917349218168282e-05,
+      "loss": 0.0462,
+      "step": 118000
+    },
+    {
+      "epoch": 87.21,
+      "eval_loss": 0.7592765092849731,
+      "eval_runtime": 187.3254,
+      "eval_samples_per_second": 16.159,
+      "eval_steps_per_second": 0.507,
+      "eval_wer": 0.4025007814942169,
+      "step": 118000
+    },
+    {
+      "epoch": 87.95,
+      "learning_rate": 1.2172747580044677e-05,
+      "loss": 0.0475,
+      "step": 119000
+    },
+    {
+      "epoch": 87.95,
+      "eval_loss": 0.7812408208847046,
+      "eval_runtime": 227.3028,
+      "eval_samples_per_second": 13.317,
+      "eval_steps_per_second": 0.418,
+      "eval_wer": 0.40493904345107845,
+      "step": 119000
+    },
+    {
+      "epoch": 88.69,
+      "learning_rate": 1.1428890543559197e-05,
+      "loss": 0.0455,
+      "step": 120000
+    },
+    {
+      "epoch": 88.69,
+      "eval_loss": 0.779983401298523,
+      "eval_runtime": 223.0101,
+      "eval_samples_per_second": 13.573,
+      "eval_steps_per_second": 0.426,
+      "eval_wer": 0.40487652391372303,
+      "step": 120000
+    },
+    {
+      "epoch": 89.43,
+      "learning_rate": 1.0684288905435592e-05,
+      "loss": 0.0451,
+      "step": 121000
+    },
+    {
+      "epoch": 89.43,
+      "eval_loss": 0.8092254400253296,
+      "eval_runtime": 251.7762,
+      "eval_samples_per_second": 12.023,
+      "eval_steps_per_second": 0.377,
+      "eval_wer": 0.40737730540794,
+      "step": 121000
+    },
+    {
+      "epoch": 90.17,
+      "learning_rate": 9.939687267311989e-06,
+      "loss": 0.0455,
+      "step": 122000
+    },
+    {
+      "epoch": 90.17,
+      "eval_loss": 0.7754979133605957,
+      "eval_runtime": 271.2522,
+      "eval_samples_per_second": 11.159,
+      "eval_steps_per_second": 0.35,
+      "eval_wer": 0.4074398249452954,
+      "step": 122000
+    },
+    {
+      "epoch": 90.91,
+      "learning_rate": 9.195085629188386e-06,
+      "loss": 0.0476,
+      "step": 123000
+    },
+    {
+      "epoch": 90.91,
+      "eval_loss": 0.7846540212631226,
+      "eval_runtime": 244.3416,
+      "eval_samples_per_second": 12.388,
+      "eval_steps_per_second": 0.389,
+      "eval_wer": 0.40593935604876524,
+      "step": 123000
+    },
+    {
+      "epoch": 91.65,
+      "learning_rate": 8.451228592702905e-06,
+      "loss": 0.0461,
+      "step": 124000
+    },
+    {
+      "epoch": 91.65,
+      "eval_loss": 0.7784237861633301,
+      "eval_runtime": 267.8746,
+      "eval_samples_per_second": 11.3,
+      "eval_steps_per_second": 0.355,
+      "eval_wer": 0.4034385745545483,
+      "step": 124000
+    },
+    {
+      "epoch": 92.39,
+      "learning_rate": 7.7066269545793e-06,
+      "loss": 0.0454,
+      "step": 125000
+    },
+    {
+      "epoch": 92.39,
+      "eval_loss": 0.7823372483253479,
+      "eval_runtime": 207.7458,
+      "eval_samples_per_second": 14.571,
+      "eval_steps_per_second": 0.457,
+      "eval_wer": 0.403251015942482,
+      "step": 125000
+    },
+    {
+      "epoch": 93.13,
+      "learning_rate": 6.9620253164556965e-06,
+      "loss": 0.0453,
+      "step": 126000
+    },
+    {
+      "epoch": 93.13,
+      "eval_loss": 0.7685350179672241,
+      "eval_runtime": 180.1025,
+      "eval_samples_per_second": 16.807,
+      "eval_steps_per_second": 0.527,
+      "eval_wer": 0.4015004688965302,
+      "step": 126000
+    },
+    {
+      "epoch": 93.87,
+      "learning_rate": 6.2174236783320925e-06,
+      "loss": 0.0451,
+      "step": 127000
+    },
+    {
+      "epoch": 93.87,
+      "eval_loss": 0.7680614590644836,
+      "eval_runtime": 177.9917,
+      "eval_samples_per_second": 17.006,
+      "eval_steps_per_second": 0.534,
+      "eval_wer": 0.4,
+      "step": 127000
+    },
+    {
+      "epoch": 94.6,
+      "learning_rate": 5.473566641846612e-06,
+      "loss": 0.0428,
+      "step": 128000
+    },
+    {
+      "epoch": 94.6,
+      "eval_loss": 0.7936143279075623,
+      "eval_runtime": 180.9951,
+      "eval_samples_per_second": 16.724,
+      "eval_steps_per_second": 0.525,
+      "eval_wer": 0.4034385745545483,
+      "step": 128000
+    },
+    {
+      "epoch": 95.34,
+      "learning_rate": 4.728965003723009e-06,
+      "loss": 0.0445,
+      "step": 129000
+    },
+    {
+      "epoch": 95.34,
+      "eval_loss": 0.7666231989860535,
+      "eval_runtime": 203.0139,
+      "eval_samples_per_second": 14.91,
+      "eval_steps_per_second": 0.468,
+      "eval_wer": 0.39968740231322286,
+      "step": 129000
+    },
+    {
+      "epoch": 96.08,
+      "learning_rate": 3.984363365599404e-06,
+      "loss": 0.0441,
+      "step": 130000
+    },
+    {
+      "epoch": 96.08,
+      "eval_loss": 0.7681093811988831,
+      "eval_runtime": 206.6264,
+      "eval_samples_per_second": 14.65,
+      "eval_steps_per_second": 0.46,
+      "eval_wer": 0.4008752735229759,
+      "step": 130000
+    },
+    {
+      "epoch": 96.82,
+      "learning_rate": 3.2412509307520474e-06,
+      "loss": 0.043,
+      "step": 131000
+    },
+    {
+      "epoch": 96.82,
+      "eval_loss": 0.7704082131385803,
+      "eval_runtime": 196.2406,
+      "eval_samples_per_second": 15.425,
+      "eval_steps_per_second": 0.484,
+      "eval_wer": 0.4008752735229759,
+      "step": 131000
+    },
+    {
+      "epoch": 97.56,
+      "learning_rate": 2.496649292628444e-06,
+      "loss": 0.043,
+      "step": 132000
+    },
+    {
+      "epoch": 97.56,
+      "eval_loss": 0.7688604593276978,
+      "eval_runtime": 208.2948,
+      "eval_samples_per_second": 14.532,
+      "eval_steps_per_second": 0.456,
+      "eval_wer": 0.3981244138793373,
+      "step": 132000
+    },
+    {
+      "epoch": 98.3,
+      "learning_rate": 1.7520476545048399e-06,
+      "loss": 0.0429,
+      "step": 133000
+    },
+    {
+      "epoch": 98.3,
+      "eval_loss": 0.7736847996711731,
+      "eval_runtime": 207.1539,
+      "eval_samples_per_second": 14.612,
+      "eval_steps_per_second": 0.459,
+      "eval_wer": 0.3992497655517349,
+      "step": 133000
+    },
+    {
+      "epoch": 99.04,
+      "learning_rate": 1.0081906180193596e-06,
+      "loss": 0.0434,
+      "step": 134000
+    },
+    {
+      "epoch": 99.04,
+      "eval_loss": 0.7795138955116272,
+      "eval_runtime": 196.4909,
+      "eval_samples_per_second": 15.405,
+      "eval_steps_per_second": 0.483,
+      "eval_wer": 0.4012503907471085,
+      "step": 134000
+    },
+    {
+      "epoch": 99.78,
+      "learning_rate": 2.635889798957558e-07,
+      "loss": 0.0433,
+      "step": 135000
+    },
+    {
+      "epoch": 99.78,
+      "eval_loss": 0.7773757576942444,
+      "eval_runtime": 198.9794,
+      "eval_samples_per_second": 15.213,
+      "eval_steps_per_second": 0.477,
+      "eval_wer": 0.4008127539856205,
+      "step": 135000
+    }
+  ],
+  "max_steps": 135300,
+  "num_train_epochs": 100,
+  "total_flos": 1.184566523613751e+21,
+  "trial_name": null,
+  "trial_params": null
+}
diff --git a/training_args.bin b/training_args.bin
new file mode 100644
index 0000000..ee122a6
--- /dev/null
+++ b/training_args.bin
@@ -0,0 +1,3 @@
+version https://git-lfs.github.com/spec/v1
+oid sha256:9b84fdc2b5205eb905d41c1c2102380221b9f615acfe849482ef528e3e37c723
+size 2671
diff --git a/vocab.json b/vocab.json
new file mode 100644
index 0000000..0046279
--- /dev/null
+++ b/vocab.json
@@ -0,0 +1 @@
+{"ฑ": 0, "ๅ": 1, "ก": 2, "ง": 3, "ฒ": 4, "ะ": 5, "๊": 6, "้": 7, "ฌ": 8, "ซ": 9, "ด": 10, "ฯ": 11, "ใ": 12, "ึ": 13, "ญ": 14, "่": 15, "า": 16, "ฤ": 17, "๋": 18, "อ": 19, "ฬ": 20, "ท": 21, "โ": 22, "ภ": 23, "ย": 24, "็": 25, "ล": 26, "ุ": 27, "เ": 28, "ฮ": 29, "ฝ": 30, "ป": 31, "ี": 32, "บ": 33, "ฐ": 34, "ต": 35, "ถ": 36, "ศ": 37, "ฟ": 38, "ณ": 39, "ห": 40, "ร": 41, "พ": 43, "ฆ": 44, "ั": 45, "ค": 46, "ว": 47, "ฏ": 48, "จ": 49, "แ": 50, "ม": 51, "ฎ": 52, "ฉ": 53, "์": 54, "ษ": 55, "ำ": 56, "ผ": 57, "ข": 58, "ไ": 59, "ู": 60, "ื": 61, "น": 62, "ช": 63, "ิ": 64, "ธ": 65, "ฃ": 66, "ส": 67, "|": 42, "[UNK]": 68, "[PAD]": 69}
\ No newline at end of file